JP6049887B2 - Automatic profiling of resource usage - Google Patents
Automatic profiling of resource usage Download PDFInfo
- Publication number
- JP6049887B2 JP6049887B2 JP2015533132A JP2015533132A JP6049887B2 JP 6049887 B2 JP6049887 B2 JP 6049887B2 JP 2015533132 A JP2015533132 A JP 2015533132A JP 2015533132 A JP2015533132 A JP 2015533132A JP 6049887 B2 JP6049887 B2 JP 6049887B2
- Authority
- JP
- Japan
- Prior art keywords
- operational
- virtual machine
- computing device
- profile
- usage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 67
- 238000005259 measurement Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 17
- 238000012546 transfer Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 56
- 230000008569 process Effects 0.000 description 29
- 238000004458 analytical method Methods 0.000 description 20
- 230000005012 migration Effects 0.000 description 11
- 238000013508 migration Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5044—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering hardware capabilities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5055—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering software capabilities, i.e. software resources associated or available to the machine
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
- Stored Programmes (AREA)
Description
一般的に記述すると、コンピューティングデバイスは、データを交換するために、通信網、または一連の通信網を利用する。企業および組織は、業務をサポートまたは第三者にサービスを提供するために、いくつかのコンピューティングデバイスを相互接続するコンピュータネットワークを運用する。コンピューティングシステムは、単一の地理的場所に位置する、または（例えば、民営または公共の通信網を介して相互接続される）複数の別々の地理的場所に位置する可能性がある。具体的には、データセンターまたはデータ処理センターは、本明細書において概して「データセンター」と言及され、データセンターのユーザーに対してコンピューティングリソースを提供するためのいくつかの相互接続されたコンピューティングシステムを含むことができる。データセンターは、組織の代わりに運用される民営のデータセンター、あるいは一般市民の代わりにまたは一般市民の利益のために運用される公共のデータセンターの場合がある。 Generally described, computing devices utilize a communication network or series of communication networks to exchange data. Companies and organizations operate computer networks that interconnect several computing devices to support operations or provide services to third parties. The computing system may be located at a single geographic location or at multiple separate geographic locations (eg, interconnected via a private or public communications network). Specifically, a data center or data processing center is generally referred to herein as a “data center” and includes several interconnected computing devices for providing computing resources to data center users. System can be included. The data center may be a private data center operated on behalf of an organization, or a public data center operated on behalf of or for the benefit of the general public.
データセンターのリソースの増加した利用を助長するために、仮想技術は、物理的に単一のホストコンピューティングデバイスが、データセンターのユーザーには、独立したコンピューティングデバイスのように見え、かつ作動する、仮想マシンインスタンス構成のうちの１つ以上のインスタンスをホストすることを可能にすることができる。仮想化に伴い、物理的に単一のホストコンピューティングデバイスは、動的様式において仮想マシンインスタンスを作成、保守、削除、またはその他管理することが可能である。これによって、ユーザーは、単一のコンピューティングデバイスまたはネットワーク接続されたコンピューティングデバイスの構成をリクエストすることが可能で、可変数の仮想マシンリソースが提供されることが可能になる。 To facilitate increased use of data center resources, virtual technology makes a physical single host computing device appear and operate as a separate computing device to data center users. , It may be possible to host one or more instances of a virtual machine instance configuration. With virtualization, a physically single host computing device can create, maintain, delete, or otherwise manage virtual machine instances in a dynamic manner. This allows a user to request the configuration of a single computing device or a networked computing device and be provided with a variable number of virtual machine resources.
ホストコンピューティングデバイスによって提供されるコンピューティングリソースとして、コンピューティング能力、メモリおよび他の記憶装置、帯域幅等を挙げることができる。何千台ものホストコンピューティングデバイスを備えるデータセンター環境において、１台の仮想マシンの１つのインスタンスは、ターゲットのホストコンピューティングデバイスが、十分かつ利用可能なコンピューティングデバイスリソース（例えば、処理装置、メモリ等）等の指定条件を満たす限り、１台の無作為なホストコンピューティングデバイス上にインスタンス化されてもよい。１台の仮想マシンの１つのインスタンスが、１台の物理的ホストコンピューティングデバイス上にインスタンス化されると、１つ以上のコンピューティングリソースの既定量が仮想マシンインスタンスによって使用されるために予約されてもよい。データセンター環境のコンピューティングリソースプロバイダまたはその他の運用者は、仮想マシンインスタンスに対して、ターゲットのコンピューティングデバイス上のコンピューティングリソースのうち予約された量の可用性を保証することができる。 Computing resources provided by a host computing device can include computing capabilities, memory and other storage devices, bandwidth, and the like. In a data center environment with thousands of host computing devices, one instance of a virtual machine is a computing device resource (eg, processing equipment, memory, etc.) that is sufficient and available to the target host computing device. Etc.) may be instantiated on a random host computing device. When an instance of a virtual machine is instantiated on a physical host computing device, a predetermined amount of one or more computing resources are reserved for use by the virtual machine instance. May be. A computing resource provider or other operator in a data center environment can guarantee the availability of a reserved amount of computing resources on a target computing device for a virtual machine instance.
図面中、参照番号は参照される要素間の対応を示すために再使用されてもよい。図面は、本明細書に記載の例示的実施形態を図示するために提供され、本開示の範囲を限定することを目的としない。 In the drawings, reference numbers may be reused to indicate correspondence between referenced elements. The drawings are provided to illustrate exemplary embodiments described herein and are not intended to limit the scope of the present disclosure.
一般的に記述すると、本開示は、コンピューティングリソースの利用に関する。具体的には、本開示は、現実のリソース使用測定値および他の運用メトリクスの解析に基づいて、コンピューティングリソースの消費者のためにリソース使用および運用メトリクスのプロファイルを自動的に判定することに関する。いくつかの実施形態において、顧客仕様に従ってインスタンス化された仮想マシンインスタンス（例えば、顧客仕様に従ってオペレーティングシステムおよびアプリケーションソフトウェアを備えて構成された仮想マシンからインスタンス化された仮想マシンインスタンス）等のコンピューティングリソースの消費者は、ホストの物理的コンピューティングデバイス上にインスタンス化されてもよい。仮想マシンインスタンスは、仮想マシンインスタンスによる１つ以上のコンピュータソフトウェアプログラムの実行または他の作業負荷に基づいて、多様なコンピューティングリソースを消費することができる。仮想マシンインスタンスは次いで、実行を中止することができる、またはその他異なる目的のために構成することができる。 Generally described, the present disclosure relates to utilization of computing resources. Specifically, this disclosure relates to automatically determining resource usage and operational metrics profiles for consumers of computing resources based on analysis of actual resource usage measurements and other operational metrics. . In some embodiments, computing resources such as virtual machine instances instantiated according to customer specifications (eg, virtual machine instances instantiated from virtual machines configured with operating system and application software according to customer specifications) Consumers may be instantiated on the host's physical computing device. A virtual machine instance can consume a variety of computing resources based on the execution of one or more computer software programs or other workload by the virtual machine instance. The virtual machine instance can then cease execution or can be configured for other different purposes.
１つの顧客または１組の顧客等、特異的なエンティティに対して、仮想マシンインスタンスをインスタンス化するプロセスが繰り返されてもよい。仮想マシンインスタンスのライフサイクルを処理する一環として、仮想マシンインスタンスを提供することと関連付けられるサービスプロバイダは、リソースの消費を観察し、記録することができる。サービスプロバイダは次いで、処理リソース消費測定値および他の運用メトリクス情報に基づいて、仮想マシンインスタンスのリソース使用および運用メトリクスのプロファイルを判定することができる。 The process of instantiating a virtual machine instance may be repeated for a specific entity, such as a customer or a set of customers. As part of processing the virtual machine instance life cycle, the service provider associated with providing the virtual machine instance can observe and record resource consumption. The service provider can then determine the resource usage and operational metrics profile of the virtual machine instance based on the processing resource consumption measurements and other operational metric information.
本開示の追加の態様は、概して運用プロファイルと言及される、リソース使用および運用メトリクスのプロファイルを一般化することに関する。例えば、何千もの仮想マシンインスタンスがインスタンス化される場合があり、データセンター等、単一のネットワークコンピューティング環境でリソースを利用する場合がある。各仮想マシンインスタンスのために個別のカスタマイズされた運用プロファイルを判定し、保守するのではなく、仮想マシンインスタンスは、一般化されたまたはデフォルトの運用プロファイルに割り当てられてもよい。したがって、仮想マシンインスタンス群が、多様な組織条件に従って分類され、同じ運用プロファイルに割り当てられてもよい。いくつかの場合、運用プロファイルは、特定の仮想マシンインスタンスの構成が特定の運用プロファイルと、それ自体が複数の仮想マシンインスタンス構成と関連付けられるより一般的な運用プロファイルとも関連付けられるように、階層的であってもよい。階層には複数のレベルが存在してもよく、可能性として、何千もの仮想マシンインスタンス構成が、単一の一般的な運用プロファイルまたは少数の最上位の運用プロファイル、および階層内の各レベルにあるより多数のより特異的な運用プロファイルと関連付けられる。階層の最下位レベルには、特定の顧客によって使用される単一の仮想マシンインスタンス構成と関連付けられる、特定の運用プロファイルが存在してもよい。 An additional aspect of the present disclosure relates to generalizing resource usage and operational metrics profiles, commonly referred to as operational profiles. For example, thousands of virtual machine instances may be instantiated and resources may be used in a single network computing environment, such as a data center. Rather than determining and maintaining a separate customized operational profile for each virtual machine instance, the virtual machine instance may be assigned to a generalized or default operational profile. Therefore, virtual machine instance groups may be classified according to various organizational conditions and assigned to the same operation profile. In some cases, operational profiles are hierarchical, so that the configuration of a particular virtual machine instance is also associated with a specific operational profile and a more general operational profile that itself is associated with multiple virtual machine instance configurations. There may be. There can be multiple levels in a hierarchy, potentially thousands of virtual machine instance configurations, for a single general operational profile or a few top-level operational profiles, and each level in the hierarchy Associated with a number of more specific operational profiles. There may be a specific operational profile at the lowest level of the hierarchy that is associated with a single virtual machine instance configuration used by a specific customer.
本開示の更なる態様は、自動的に判定された運用プロファイルに基づいて、仮想マシンインスタンスに対するコンピューティングリソースを提供するためにターゲットのホストコンピューティングデバイスを識別することに関する。いくつかの実施形態において、特定の物理的ホストコンピューティングデバイスは、同時に複数の仮想マシンインスタンスにターゲットのコンピューティングリソースを提供するように構成されてもよい。単一の仮想マシンインスタンスによって使用されるために、コンピューティングリソースの既定量が予約されてもよい。仮想マシンインスタンスの運用プロファイルが、その仮想マシンインスタンスがそのインスタンスのために予約されていたコンピューティングデバイスリソースを消費する可能性が低いことを示すと、ホストコンピューティングデバイスは、追加の仮想マシンインスタンスをインスタンス化してもよい。追加の仮想マシンインスタンスは、以前にインスタンス化された仮想マシンインスタンスと同時にホストコンピューティングリソースと関連付けられても、またはホストコンピューティングリソースへのアクセスを有してもよい。加えて、仮想マシンインスタンスのうちのいずれかが、消費が仮想マシンインスタンスの運用プロファイルに指定された１つ以上の閾値に到達または超過するようにリソースを消費する、そうでなければリソースへのアクセスを制限する場合、仮想マシンインスタンスのうちの１つ以上が、別のホストコンピューティングデバイスへ転送されてもよい。例えば、閾値を超える消費と関連付けられる仮想マシンインスタンスが転送されてもよく、または他の仮想マシンインスタンスが転送されてもよい。 A further aspect of the present disclosure relates to identifying a target host computing device to provide computing resources for a virtual machine instance based on an automatically determined operational profile. In some embodiments, a particular physical host computing device may be configured to provide target computing resources to multiple virtual machine instances simultaneously. A predetermined amount of computing resources may be reserved for use by a single virtual machine instance. If the operational profile of a virtual machine instance indicates that the virtual machine instance is unlikely to consume the computing device resources reserved for that instance, the host computing device will add an additional virtual machine instance. It may be instantiated. The additional virtual machine instance may be associated with the host computing resource at the same time as the previously instantiated virtual machine instance or may have access to the host computing resource. In addition, any of the virtual machine instances consumes resources such that consumption reaches or exceeds one or more thresholds specified in the operational profile of the virtual machine instance, otherwise access to the resources One or more of the virtual machine instances may be transferred to another host computing device. For example, virtual machine instances associated with consumption exceeding a threshold may be transferred, or other virtual machine instances may be transferred.
いくつかのコンピューティングリソースは必ずしも、ホストコンピューティングデバイスによって提供されず、そうではなく、ホスト以外のリソースによって提供される。例えば、ネットワークトポロジーは、１つ以上のリンク（例えば、スイッチと他のネットワーク構成要素との間のネットワーク接続）を横断するために、あるホストコンピューティングデバイスから、第２のホストコンピューティングデバイスへの通信を必要とする場合がある。いくつかのリンクは、第３のホストコンピューティングデバイスへの通信のために異なっていてもよい。リンクトラフィックに関するデータおよび通信がホスト間を横断するリンクの数は、リソース消費測定値または運用メトリクスとして記録されてもよい。このデータは、別のホストコンピューティングデバイスと通信する可能性がある仮想マシンインスタンスをインスタンス化するのがどのホストコンピューティングデバイスであるかを判定するために、将来使用されてもよい。加えて、いくつかのコンピューティングリソースの消費は、一般的に他の仮想マシンインスタンスまたは消費者のために利用可能であるリソースの量を必ずしも削減しない。例えば、特定の命令セットのようにホストコンピューティングデバイスによって提供される特徴は、概して、コンピューティングリソースとして言及されてもよい。しかしながら、命令セットの使用は、別の仮想マシンインスタンス、アプリケーション、または他の消費者に対する命令セットの可用性を必ずしも削減しない。 Some computing resources are not necessarily provided by the host computing device, but rather are provided by resources other than the host. For example, a network topology may be from one host computing device to a second host computing device to traverse one or more links (eg, network connections between a switch and other network components). May require communication. Some links may be different for communication to a third host computing device. Data regarding link traffic and the number of links that communications traverse between hosts may be recorded as resource consumption measurements or operational metrics. This data may be used in the future to determine which host computing device instantiates a virtual machine instance that may communicate with another host computing device. In addition, the consumption of some computing resources generally does not necessarily reduce the amount of resources that are available for other virtual machine instances or consumers. For example, features provided by a host computing device, such as a particular instruction set, may be generally referred to as computing resources. However, use of the instruction set does not necessarily reduce the availability of the instruction set for another virtual machine instance, application, or other consumer.
本開示に記載される実施形態の態様は、例示の目的のため、管理構成要素と、サーバーコンピューティングデバイスと、顧客の代わりにサーバーコンピューティングデバイス上でインスタンス化された仮想マシンとの間の関係および相互作用を中心とするが、当業者は、本明細書に開示される技法は、任意の数のハードウェアあるいはソフトウェアプロセスまたはアプリケーションに適用されてもよいことを理解するであろう。例えば、仮想マシンインスタンスは概して、例示的なコンピューティングリソース消費者として使用される一方、他のプログラムまたは作業負荷は、アプリケーションソフトウェア、オペレーティングシステム、ストレージエリアネットワーク（ＳＡＮ）ノード等と置換されてもよい。加えて、メモリ、ＣＰＵ容量、およびネットワーク帯域幅等のコンピューティングリソースは、例示的なコンピューティングリソースとして使用されるが、ネットワークリンクトラフィック、レイテンシ、プロセッサ命令セット等の他のコンピューティングリソースが置換されてもよい。さらに、本開示の多様な態様は、図示例および実施形態を参照して説明されるが、当業者は、開示される実施形態および例は限定として解釈されてはならないことを理解するであろう。本開示の多様な態様は所定の例および実施形態に関して説明されるが、これらは例示を目的とし、本開示を制限するものではない。 Aspects of embodiments described in this disclosure are for illustrative purposes, the relationship between a management component, a server computing device, and a virtual machine instantiated on the server computing device on behalf of a customer Although centered on and interaction, those skilled in the art will understand that the techniques disclosed herein may be applied to any number of hardware or software processes or applications. For example, virtual machine instances are generally used as exemplary computing resource consumers, while other programs or workloads may be replaced with application software, operating systems, storage area network (SAN) nodes, etc. . In addition, computing resources such as memory, CPU capacity, and network bandwidth are used as exemplary computing resources, but other computing resources such as network link traffic, latency, processor instruction set are replaced. May be. Furthermore, while various aspects of the disclosure will be described with reference to illustrative examples and embodiments, those skilled in the art will appreciate that the disclosed embodiments and examples should not be construed as limiting. . While various aspects of the disclosure will be described with respect to certain examples and embodiments, these are for purposes of illustration and are not intended to limit the disclosure.
図１は、それらのプロファイルに基づくリソースの使用およびリソースの割り当ての自動プロファイル化が実装されてもよい、例示的なネットワークコンピューティング環境１００を図示する。運用プロファイルおよびリソースの割り当ては、実際のリソース使用の事前の測定値および他の運用メトリクス、ならびにリソースの予想される将来の使用に基づくことができる。ネットワークコンピューティング環境１００は、管理構成要素１０２と、ネットワーク１１０を介して通信状態にある任意の数の物理的ホストコンピューティングデバイス１０４ａ〜１０４ｎとを含むことができる。１つ以上の顧客１２２が、ネットワーク１２０を介して、ネットワークコンピューティング環境１００の構成要素と通信してもよい。
FIG. 1 illustrates an example
図１に図示されるようなネットワークコンピューティング環境１００は、複数のホストコンピューティングデバイス１０４ａ〜１０４ｎがコンピューティングサービスおよびリソースを内部または外部の顧客１２２に提供する、データセンターおよび他の環境に実装されてもよい。以下に詳細を説明するように、各顧客１２２は、コンピューティング処理を開始するために、ネットワークコンピューティング環境１００内部の管理構成要素１０２または何らかの他の構成要素に接続してもよい。コンピューティング処理の開始は、ホストコンピューティングデバイス１０４上での仮想マシンインスタンスのインスタンス化、または動作環境および１つ以上のソフトウェアアプリケーションの構成を含んでもよい。仮想マシンインスタンスは、ユーザーの代わりに、ホストコンピューティングデバイス１０４、ネットワーク１１０等のコンピューティングリソースを消費することを実行してもよい。本開示は、例示のみを目的として、仮想マシンの使用を通じて外部または内部の顧客１２２にコンピューティングサービスを提供するネットワークコンピューティング環境１００の運用を中心とするが、本明細書に記載されるシステムおよび処理は、別の顧客１２２エンティティを全く含まないまたは仮想マシン使用を全く含まないものも含めて、ネットワークコンピューティング環境１００の任意の実装に適用されてもよい。
The
各ホストコンピューティングデバイス１０４は、ブレードサーバーのようなサーバーコンピュータであってもよい。任意選択的に、ホストコンピューティングデバイス１０４は、複数の仮想マシンインスタンスのような複数の消費者にコンピューティングサービスおよびリソースを同時に提供するように構成されるミッドレンジコンピューティングデバイス、メインフレームコンピュータ、または任意の他のコンピューティングデバイスであってもよい。典型的な実装において、ホストコンピューティングデバイス１０４は、ネットワーク１１０を介して、ネットワークコンピューティング環境１００の他のホストコンピューティングデバイス１０４、管理構成要素１０２、または何らかの他の構成要素と通信するように構成することができる。
Each host computing device 104 may be a server computer such as a blade server. Optionally, the host computing device 104 is a mid-range computing device, mainframe computer, or configured to simultaneously provide computing services and resources to multiple consumers, such as multiple virtual machine instances Any other computing device may be used. In an exemplary implementation, the host computing device 104 is configured to communicate over the
ネットワーク１１０は、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）、何らかの他のネットワーク、またはこれらの組み合わせであってもよい。加えて、ネットワークコンピューティング環境１００は、企業または大学のネットワークのような別のネットワーク１２０、またはインターネットのような独立したエンティティによって運用されるネットワークの集合に接続してもよい。ネットワークコンピューティング環境１００の顧客１２２は、ネットワーク１２０、１１０の組み合わせ上から、ホストコンピューティングデバイス１０４と通信してもよい。いくつかの実施形態において、顧客１２２は、コンピューティングデバイス１０２に仮想マシンインスタンスを起動させて、顧客１２２のためにまたは代わりに多様なコンピューティング演算を実行させてもよい。所与の時点で、単一のホストコンピューティングデバイス１０４上で任意の数の仮想マシンインスタンスが実行していてもよい。加えて、ホストコンピューティングデバイス１０４上で実行している多様な仮想マシンインスタンスは、単一の顧客１２２と、またはいくつかの異なる顧客１２２と関連付けられてもよい。
The
管理構成要素１０２は、ハードウェアとして、またはハードウェアおよびソフトウェアの組み合わせとして実装されてもよい。例えば、管理構成要素１０２は、本明細書に記載される機能を実施するために、１つ以上のソフトウェアプログラムを実行するように構成された１つ以上のコンピューティングデバイスのコンピューティングシステムであってもよい。いくつかの実施形態において、管理構成要素は、ホストコンピューティングデバイス１０４ａ〜１０４ｎのうちの１つ以上を含んでもよい。
The
図２は、サンプルの管理構成要素１０２を詳細に図示する。管理構成要素１０２は、プロファイル判定モジュール２０２と、配置モジュール２０４と、移行モジュール２０６と、運用メトリクスデータストア２０８と、プロファイルデータストア２１０とを含むことができる。いくつかの実施形態において、管理構成要素１０２は、図２に図示されるよりも多いまたはより少ないモジュールおよびデータストアを含んでもよい。例えば、移行機能が実装されない場合、または配置モジュール２０４によって実装される場合、別の移行モジュール２０６が存在しない場合がある。別の例示的実施形態において、一般化された顧客プロファイルのために追加のデータストアが存在してもよい。
FIG. 2 illustrates a
運用中、プロファイル判定モジュール２０２は、特定の顧客１２２と関連付けられる全ての仮想マシンインスタンスのうち、特定の時点での特定の仮想マシンインスタンス構成のインスタンス等によって、運用メトリクスおよびリソース使用に関する運用データを取得することができる。プロファイル判定モジュール２０２は、運用データを解析し、プロファイルされている仮想マシンインスタンスまたは仮想マシンインスタンス群によって利用されるコンピューティングリソースの運用プロファイルを開発することができる。例えば、運用データは、利用されたメモリ量、中央処理装置（ＣＰＵ）利用、送信または受信されたネットワークトラフィック量、利用されたハードディスク容量、ディスク操作の数、利用された電気の量（例えば、仮想マシンインスタンスに貢献することができるホストコンピューティングデバイス１０４によって利用された量）、開始されたネットワークリンクトラフィックの量等に関する履歴測定値を含んでもよい。プロファイル判定モジュール２０２は次いで、特定の仮想マシンインスタンス構成または仮想マシンインスタンス構成群のインスタンスと関連付けられる測定値のそれぞれの平均を判定し、平均を運用プロファイルに記憶することができる。運用プロファイルは、平均測定値に制限される必要はない。例えば、運用プロファイルは、中間値、標準偏差、使用ヒストグラム、あるいは任意の他の適切または有用なデータ等、他の統計解析を含むことができる。いくつかの実施形態において、運用プロファイルは更に、時刻、日等のような、使用の時間的な特徴に従って特徴付けられてもよい。
During operation, the
運用プロファイルはまた、予想測定値および予想運用メトリクスに従って特徴付けられてもよい。例えば、一般にジッターと呼ばれる、予想性能メトリクスからの分散が観察され、運用プロファイルに含まれる場合がある。このようなデータは、設計の目標、サービスレベル合意および顧客に対する他の約束または義務が満たされているかを判定するために、またはどの程度の頻度で満たされないかを判定するために使用されてもよい。配置モジュール２０４は、将来の配置の判定を行う際にジッターを考慮することができ、同じ運用メトリクスが予想範囲外にならないことを保証するように務める、そうでなければ消費者義務が満足されることを保証する。いくつかの実施形態において、運用プロファイルは、レイテンシの優先または要件、命令セットの優先または要件等、他のデータを含んでもよい。このようなデータは、消費者によって提供されてもよく、またはプロファイル判定モジュール２０２によって仮想マシンインスタンス運用の解析を通じて判定されてもよい。
The operational profile may also be characterized according to expected measurements and expected operational metrics. For example, dispersion from expected performance metrics, commonly referred to as jitter, is observed and may be included in the operational profile. Such data may be used to determine whether design goals, service level agreements and other promises or obligations to customers are met, or how often they are not met. Good. The
図示されるように、サービスプロバイダは、小型、中型、および大型の３つのクラスの仮想マシンを提供してもよい。各クラスは、仮想マシンのインスタンスによって使用するために予約される、各コンピューティングリソースの既定量と関連付けられてもよい（例えば、小型のＶＭは２ＧＢのＲＡＭを有してもよく、中型のＶＭは８ＧＢのＲＡＭを有してもよく、大型のＶＭは３２ＧＢのＲＡＭを有してもよい）。顧客は、ウェブサーバーソフトウェアで構成された大型の仮想マシンのように、オペレーティングシステムおよびアプリケーションソフトウェアで構成された仮想マシンのインスタンスをインスタンス化してもよい。ウェブサーバーソフトウェアで構成された大型の仮想マシンのインスタンスによって、コンピューティングリソースの使用に関する測定値が記録されてもよい。プロファイル判定モジュール２０２は次いで、例えば、ウェブサーバーとして使用される場合、仮想マシンインスタンス構成の将来のインスタンスに対する予想リソース使用量を計算することができる。予想リソース使用量は、プロファイル判定モジュール２０２によって判定された運用プロファイルの根拠を形成してもよい。プロファイル判定モジュール２０２は次いで、実際のリソース使用の測定値を含むデータセットが経時的に構築されるにつれて、運用プロファイルを変更してもよい。
As shown, the service provider may provide three classes of virtual machines: small, medium and large. Each class may be associated with a predetermined amount of each computing resource that is reserved for use by a virtual machine instance (eg, a small VM may have 2 GB of RAM, a medium VM May have 8GB of RAM, and a large VM may have 32GB of RAM). A customer may instantiate a virtual machine instance configured with an operating system and application software, such as a large virtual machine configured with web server software. Measurements regarding the use of computing resources may be recorded by a large virtual machine instance configured with web server software. The
プロファイル判定モジュール２０２によって使用されるプロファイルデータは、多様なソースから取得されてもよい。上記のように、データは、仮想マシンと関連付けられるエンティティから取得されてもよい。データはまた、仮想マシンインスタンスが稼動しているホストコンピューティングデバイス１０４の作業負荷解析構成要素から直接取得されてもよい。いくつかの実施形態において、データは、運用メトリクスデータストア２０８から取得することができる。運用メトリクスデータストア２０８は、図２に図示されるように、管理構成要素１０２と統合されてもよく、または専用のリレーショナルデータベース管理システム（ＲＤＢＭＳ）サーバーのような別のコンピューティングデバイス上に物理的に位置してもよい。プロファイル判定モジュール２０２によって判定される運用プロファイルは、プロファイルデータストア２１０に記憶されてもよい。運用メトリクスデータストア２０８に類似して、プロファイルデータストア２１０は、管理構成要素１０２と統合されてもよく、または専用ＲＤＢＭＳサーバーのように別のコンピューティングデバイス上に位置してもよい。
Profile data used by the
いくつかのネットワークコンピューティング環境１００において、プロファイルする何千以上もの仮想マシンインスタンスが存在する場合があり、それぞれの運用プロファイルは、例えば、特定の仮想マシンインスタンス構成または特定の顧客の使用に対して固有な使用データの解析に基づく場合がある。ホストコンピューティングデバイス１０４ａ〜１０４ｎ上の仮想マシンインスタンスのインスタンス化に関する配置判定を行うために運用プロファイルを効率的に利用するために、運用プロファイルは一般化されてもよい。したがって、いくつかの異なる仮想マシンインスタンス構成は、各仮想マシンインスタンス構成と関連付けられる実際のリソース使用において分散が存在する場合であっても、同じ、または実質的に類似の運用プロファイルと関連付けられてもよい。例えば、プロファイル判定モジュール２０２は、各仮想マシンインスタンス構成に対してカスタマイズされた運用プロファイルを記憶するのではなく、仮想マシンインスタンス構成を既定の予想使用量と関連付けてもよい。既定の運用プロファイルは、測定されるそれぞれのコンピューティングリソースに対する利用範囲を含んでもよい。加えて、運用プロファイルは、特定の仮想マシンインスタンス構成が特定の運用プロファイルと、複数の仮想マシンインスタンス構成とそれ自体が関連付けられるより一般的な運用プロファイルとも関連付けられるように階層的であってもよい。
In some
いくつかの実施形態において、運用プロファイルは、カテゴリに更に一般化されてもよい。例えば、それぞれが異なるネットワーク使用量と関連付けられる、いくつかの仮想マシンインスタンス構成は、使用測定値が何らかの閾値を上回るか、または下回るかに応じて、「軽量ネットワークアプリケーション」または「重量ネットワークアプリケーション」として分類されてもよい。このような分類スキームにおいて、インスタンス化されると、主にローカルのコンピューティング演算を実施し、ネットワーク接続をまれに利用する仮想マシンインスタンス構成は、ネットワーク接続をしばしば利用するが、仮想マシンインスタンスが稼動するホストコンピューティングデバイス１０４ａ〜１０４ｎに利用可能であるネットワーク帯域幅の量と比較するとわずかな場合がある非常に少ない伝送のためだけである、仮想マシンインスタンス構成と同じ「軽量ネットワークアプリケーション」カテゴリに分類されてもよい。このような一般化された運用プロファイルもまた、「軽量ネットワークアプリケーション／重量ＣＰＵアプリケーション」および「軽量ネットワークアプリケーション／軽量ＣＰＵアプリケーション」等、２つ以上のカテゴリの複合に基づいてもよい。前例に戻ると、２つの仮想マシンインスタンス構成は、異なるカテゴリと関連付けられてもよい。インスタンス化されると、主にローカルのコンピューティング演算を実施し、ネットワーク接続をまれに利用する仮想マシンインスタンス構成は、「軽量ネットワークアプリケーション／重量ＣＰＵアプリケーション」と分類されてもよく、一方、インスタンス化されると、少量のネットワーク伝送をしばしば開始する仮想マシンインスタンス構成は、仮想マシンインスタンスのＣＰＵ利用が閾値を下回る場合、「軽量ネットワークアプリケーション／軽量ＣＰＵアプリケーション」と分類されてもよい。
In some embodiments, operational profiles may be further generalized into categories. For example, some virtual machine instance configurations, each associated with different network usage, may be referred to as “lightweight network applications” or “heavy network applications” depending on whether usage measurements are above or below some threshold It may be classified. In such a classification scheme, when instantiated, virtual machine instance configurations that primarily perform local computing operations and rarely use network connections often use network connections, but virtual machine instances are running. Categorized in the same “lightweight network application” category as virtual machine instance configurations, which is only for very low transmissions, which may be small compared to the amount of network bandwidth available to
上記のように、運用プロファイルは、１つの仮想マシンインスタンス構成に特異的またはいくつかの仮想マシンインスタンス構成に一般化されているかどうかに関わらず、仮想マシンインスタンスを配置するホストコンピューティングデバイス１０４ａ〜１０４ｎを識別するために使用されてもよい。配置モジュール２０４は、顧客１２２がコンピューティングセッションを開始するとき、または仮想マシンがその他インスタンス化されるときに起動されてもよい。配置モジュール２０４は、現時点でどの運用プロファイルが仮想マシンインスタンスと関連付けられるかを判定してもよい。例えば、運用プロファイルは、現在の月間の現在の時刻の仮想マシンインスタンスと関連付けられる実際のリソース使用の測定値等を含む、カスタマイズされたプロファイルであってもよい。いくつかの場合において、測定値は、特定の顧客に特異的であってもよく、特定の顧客の運用プロファイルが作成され、アクセスされてもよい。顧客特異的な運用プロファイルは、特異的な仮想マシンインスタンス構成に適用することができるか、または複数の個別の仮想マシンインスタンス構成に一般的に適用してもよい。任意選択的に、運用プロファイルは、仮想マシンインスタンスと関連付けられるリソース使用の全体的な特徴に基づいて一般化されたプロファイルであってもよく、現在の時刻等にも基づいてもよい。仮想マシン配置モジュール２０４は次いで、ホストコンピューティングデバイス１０４ａ〜１０４ｎのリソース可用性、および運用プロファイルから判定された仮想マシンインスタンスの予想されるリソース使用に基づいて仮想マシンインスタンスを起動するホストコンピューティングデバイス１０４を選択することができる。
As described above, an operational profile is specific to one virtual machine instance configuration or whether it is generalized to several virtual machine instance configurations,
リソース利用は、特異的な仮想マシンインスタンス構成の単一のインスタンスの寿命にわたって、および特異的な仮想マシンインスタンス構成の複数のインスタンスにわたって動的であってもよい。管理構成要素１０２の移行モジュール２０６は、各稼動中の仮想マシンインスタンスおよび仮想マシンインスタンスが稼動しているホストコンピューティングデバイス１０４のリソース利用を監視してもよい。リソース利用が変化すると、移行モジュール２０６は、上記の仮想マシン配置モジュール２０４に類似して、仮想マシンインスタンスを配置する適切なホストコンピューティングデバイス１０４を選択してもよい。仮想マシンの新しいインスタンスが選択されたホストコンピューティングデバイス１０４上で起動されてもよく、仮想マシンインスタンスの稼動状態（メモリ、入力等）が新しい仮想マシンインスタンスにコピーされてもよい。新しい仮想マシンインスタンスが稼動を開始する準備が整うと、前の仮想マシンインスタンスは、データの損失なく、かつ性能の実質的な低下なく、終了されてもよい。新しい仮想マシンインスタンスは、利用可能なリソースのために、より効率的に稼動することができる。
Resource utilization may be dynamic over the life of a single instance of a specific virtual machine instance configuration and across multiple instances of a specific virtual machine instance configuration. The
いくつかの実施形態において、異なるホストコンピューティングデバイス上で仮想マシンの新しいインスタンスをインスタンス化し、前のインスタンスを終了するのではなく、リソースが再割り当てされてもよい。リソース利用または性能メトリクスが変化すると、追加のリソース（例えば、メモリ）が特定の仮想マシンに割り当てられてもよい。例えば、リソースは、そのリソースを完全に利用することが予想されない他の仮想マシンから再割り当てされてもよい。 In some embodiments, resources may be reallocated rather than instantiating a new instance of the virtual machine on a different host computing device and terminating the previous instance. As resource utilization or performance metrics change, additional resources (eg, memory) may be allocated to a particular virtual machine. For example, resources may be reallocated from other virtual machines that are not expected to fully utilize the resources.
ここで図３を参照して、仮想マシンインスタンス構成のために運用プロファイルを判定するための例示的プロセス３００を説明する。プロセス３００は、管理構成要素１０２によって実行されてもよい。管理構成要素１０２は、顧客１２２からリクエストを受信してもよく、そうでなければ仮想マシンをインスタンス化するように通知されてもよい。仮想マシンインスタンスをインスタンス化した後、インスタンス化された仮想マシンインスタンスを特定した後、または仮想マシンをインスタンス化させた後、管理構成要素１０２は、仮想マシンインスタンスと関連付けられるコンピューティングリソース利用に関する運用データを監視してもよく、そうでなければ受信してもよい。リソース使用および運用メトリクスデータに基づいて、管理構成要素１０２は、仮想マシンインスタンス構成の運用プロファイルを判定または更新、あるいは既存の運用プロファイルを更新することができる。有利に、運用プロファイルが他の運用プロファイルと比較され、一般化されてもよく、仮想マシンインスタンス構成がリソース使用のカテゴリと関連付けられてもよい。
With reference now to FIG. 3, an
プロセス３００は、ブロック３０２で開始する。プロセス３００は、仮想マシンをインスタンス化するリクエストの受信に応答する等、自動的に開始してもよい。例えば、プロセス３００は、１組の実行可能プログラム命令において具現化され、管理構成要素１０２が関連付けられるコンピューティングシステムのコンピュータ可読媒体ドライブ上に記憶されてもよい。プロセス３００が開始すると、実行可能プログラム命令は、ＲＡＭ等のメモリにロードされ、コンピューティングシステムの１つ以上のプロセッサによって実行され得る。いくつかの実施形態において、コンピューティングシステムは、サーバーのようなコンピューティングデバイスを複数含んでもよく、プロセス３００は、複数のサーバーによって、逐次または同時に実行されてもよい。
ブロック３０４で、管理構成要素１０２または何らかの他の構成要素が、仮想マシンインスタンスを起動する。図５を参照して以下に詳細を説明するように、管理構成要素は、仮想マシンインスタンスによって消費されることが予想されるリソース、およびホストコンピューティングデバイス１０４ａ〜１０４ｎが現在利用可能にしているリソースに基づいて、仮想マシンインスタンスを起動するホストコンピューティングデバイス１０４を選択してもよい。仮想マシンインスタンスによって消費されることが予想される、または仮想マシンインスタンスに利用可能になるリソースは、予め存在する運用プロファイルから、顧客１２２または仮想マシンインスタンスを起動することをリクエストする他のエンティティから受信された情報等から、判定されてもよい。
At
プロセス３００は、ブロック３０６に進むことができ、新しく起動された仮想マシンインスタンスについて、運用メトリクスを取得し、運用プロファイルを作成または変更する。プロセス３００が進む間、本来存在したのと同じ運用プロファイル、または以前に起動された仮想マシンインスタンスのためにプロセス３００の実行中に変更された運用プロファイルに基づいて、ブロック３０４で、任意の数の追加の仮想マシンインスタンスが起動および／または配置されてもよい。このように、プロセス３００は、一般に、特定の時点で実行されている可能性がある運用プロファイル（またはプロファイルの階層において、その階層のより上位のレベルからのプロファイル）と関連付けられる仮想マシンインスタンスの数に対応する、任意の数の同時インスタンスにおいて実行されてもよい。
The
ブロック３０６で、仮想マシンインスタンスによって利用されるリソースが監視されてもよく、リソース使用測定値および他の運用メトリクスが取得されてもよい。ブロック３０８で、運用メトリクスが記録されてもよい。監視は、管理構成要素１０２によって、または仮想マシンインスタンスが稼動しているホストコンピューティングデバイス１０４の作業負荷解析構成要素４２１等、何らかの他の構成要素によって実行されてもよい。運用メトリクスは、運用メトリクスデータストア２０８に記憶されてもよい。作業負荷解析構成要素４２１を使用する実施形態において、作業負荷解析構成要素４２１は、運用メトリクスを一時的または長期的に記憶してもよい。作業負荷解析構成要素は、実質的に実時間に、予定された間隔で、仮想マシンの終了時に、何らかの他の時点で記憶するために運用メトリクスに関するデータを管理構成要素１０２へ伝送してもよく、または全く伝送しなくてもよい。
At
図４は、ホストコンピューティングデバイス１０４によって複数の仮想マシンインスタンスに提供されるいくつかのリソースの利用の測定値を図示する。図４に図示されるように、ホストコンピューティングデバイス１０４は、メモリ４０２、ＣＰＵ４０４、およびネットワーク帯域幅４０６等のコンピューティングリソースを提供することができる。いくつかの実施形態において、追加の、またはこれより少ないコンピューティングリソースが仮想マシンインスタンスに提供されてもよい。例えば、仮想マシンインスタンスは、他のデバイスと通信することが許可されない場合があり、従って、ネットワークインターフェース４０６の利用を測定する必要がない。別の例において、ホストコンピューティングデバイス１０４は、ハードディスクの空き容量、ハードディスクの運用、電力等の利用を提供し、追跡する。
FIG. 4 illustrates a measure of utilization of some resources provided by a host computing device 104 to multiple virtual machine instances. As illustrated in FIG. 4, the host computing device 104 can provide computing resources such as
いくつかの実施形態において、ネットワークコンピューティング環境１００の運用者等、コンピューティングリソースのプロバイダは、仮想マシンインスタンスを実行する一定量のコンピューティングリソースを顧客に提供する。例えば、顧客１２２は、その仮想マシンインスタンス構成のうちの１つのために、ランダムアクセスメモリ（ＲＡＭ）等のメモリの既定量、ＣＰＵコア等のコンピューティング能力の既定量、およびネットワークインターフェースによって提供されるネットワーク帯域幅の既定量を予約する場合がある。ホストコンピューティングデバイス１０４のメモリ４０２は、単一の仮想マシンインスタンスのために（例えば、部分４１２、４１４）、またはホストコンピューティングデバイス１０４の運用および他の内部手順のために（例えば、部分４１０）に予約される部分４１０、４１２、４１４に隔離されてもよい。ホストコンピューティングデバイス１０４の運用のために予約される部分は、仮想マシンインスタンス、オペレーティングシステム、ドライバ等の起動、実行、および終了を支援するためのハイパーバイザを含むことができる。加えて、ホストコンピューティングデバイス１０４は、リソース利用および任意選択的に管理構成要素１０２との通信を監視する作業負荷解析構成要素４２１を含むことができる。作業負荷解析構成要素４２１もまたメモリ空間４１０に所在してもよく、ハイパーバイザ４２０に統合されてもよく、メモリ空間４１０を共有する独立構成要素であってもよい。いくつかの実施形態において、作業負荷解析構成要素４２１は、顧客の仮想マシンインスタンスに予約されたメモリ空間４１２、４１４に所在してもよい。このような場合、作業負荷解析構成要素４２１は、仮想マシンインスタンス構成に統合されても、またはインスタンス化時に仮想マシンインスタンスに含まれてもよい。更なる実施形態において、作業負荷解析構成要素４２１は、そのために予約された別のメモリ空間に所在してもよく、ホストコンピューティングデバイス１０４のメモリ４０２を共有しない、独立したハードウェアデバイスのような構成要素として実装されてもよい。
In some embodiments, a provider of computing resources, such as an operator of the
多くの場合、仮想マシンインスタンスは、そのために予約されたリソースの全体部分を利用しない可能性がある。例えば、図４に図示されるＶＭ１ ４２２は、顧客１２２の仮想マシンインスタンスであってもよく、その全体がＶＭ１ ４２２による使用のために予約されたメモリ空間４１２に起動されてもよい。運用中、ＶＭ１ ４２２は、メモリ空間４１２全体を利用しない可能性があり、いくつかの場合、予約されたメモリ空間４１２のほんの一部を利用する可能性がある。しかしながら、時には、メモリ空間４１２の利用が変化する可能性があり、ＶＭ１ ４２２は、メモリ空間４１２の実質的に全てを利用する可能性がある。作業負荷解析構成要素４２１は、これらの変化を監視し、測定値および時刻、特異的な仮想マシンインスタンス構成、または存在する場合、ホストコンピューティングデバイス１０４上で稼動している他の仮想マシンインスタンス等の他のデータを記録することができる。作業負荷解析構成要素４２１は、データを管理構成要素１０２またはデータストアへ伝送することができる。いくつかの実施形態において、作業負荷解析構成要素４２１は、データを一時的に記憶し、その後、スケジュールに従って、またはＶＭ１ ４２２の終了等のトリガーイベントに応答して等、それを管理構成要素１０２へ転送することができる。メモリ４０２の利用に関するデータの測定および記録に類似して、作業負荷解析構成要素４２１または何らかの他の構成要素は、ＣＰＵ４０４、ネットワークインターフェース４０６、またはＶＭ１ ４２２によって利用される任意の他のコンピューティングリソースの使用を監視することができる。
In many cases, a virtual machine instance may not utilize the entire portion of resources reserved for it. For example, the
予想または好ましい運用メトリクスからの任意の分散に関するデータが取得され、記録されてもよい。例えば、予想または好ましいメトリクスからの分散が存在するかどうかを判定するために、リソース使用測定値および他の運用メトリクスが記録され、運用プロファイルと比較されてもよい。いくつかの場合、運用メトリクスは顧客別に記録されてもよい。将来の配置または移行の判定を分散に基づいて行うことができるように、分散に関するデータが記録されてもよい。加えて、レイテンシ、リンクトラフィック等のホスト以外のリソースに関するデータが記録されてもよい。作業負荷解析構成要素４２１がこのようなデータを記録してもよく、またはホストの外部の何らかの構成要素（例えば、管理構成要素１０２またはスイッチ）が運用メトリクスを観察してもよい。いくつかの実施形態において、リソースの可用性を必ずしも削減しないリソース使用が判定されてもよい。例えば、その上で稼動している仮想マシンインスタンスまたはアプリケーションソフトウェアが、所定の暗号演算を実行する場合、あるいは所定の暗号機能または命令を呼び出していることが観察される場合、そのようなデータが記録されてもよい。配置モジュール２０４または移行モジュール２０６は、仮想マシンのインスタンスを起動または移行する際にこのようなデータを考慮することができる。Ｉｎｔｅｌ（登録商標）Ａｄｖａｎｃｅｄ Ｅｎｃｒｙｐｔｉｏｎ Ｓｔａｎｄａｒｄ （ＡＥＳ） Ｎｅｗ Ｉｎｓｔｒｕｃｔｉｏｎｓ（ＡＥＳ−ＮＩ）をサポートするデバイスまたは類似のデバイス等、より効率的またはより強力な暗号命令を提供するホストコンピューティングデバイスが選択されてもよい。
Data regarding any variance from expected or preferred operational metrics may be obtained and recorded. For example, resource usage measurements and other operational metrics may be recorded and compared to operational profiles to determine if there is a variance from expected or preferred metrics. In some cases, operational metrics may be recorded by customer. Data regarding the distribution may be recorded so that future placement or migration decisions can be made based on the distribution. In addition, data related to resources other than the host, such as latency and link traffic, may be recorded.
ブロック３１０で、プロファイル判定モジュール２０２または管理構成要素１０２の何らかの他のモジュールは、仮想マシンインスタンスと関連付けられる運用プロファイルを変更するか、または新しい運用プロファイルを作成することができる。前述のように、運用プロファイルは、典型的または予想されるリソース使用、予想または所望される運用メトリクスからの分散等の情報を含むことができる。例えば、運用プロファイルは、単一の仮想マシンインスタンス構成のいくつかの異なるインスタンスのそれぞれの平均測定値からなる場合がある。各リソースは、特定の顧客、時刻、日、または他の環境因子に基づいて運用することに対応する複数の測定値と関連付けられてもよい。
At
いくつかの実施形態において、運用プロファイルの各リソースは、１つの統計測定値ではなく、利用のスコアまたは何らかの他の指標と関連付けられてもよい。例えば、各リソースには１〜１０のスコアが割り当てられる場合があり、より大きい数字は、リソースの最重量および／または最も頻繁なユーザーと関連付けられる。いくつかの実施形態において、運用プロファイルは、更に一般化されてもよい。既定の１組の一般化された運用プロファイルは、各リソースの測定値またはスコアの範囲を網羅してもよい。例えば、ＶＭ１ ４２２がインスタンス化された仮想マシンインスタンス構成は、夜間、ＶＭ１ ４２２がそのメモリ空間４１２の２５％以下を利用するが、そのＣＰＵ可用性のほぼ１００％を利用する場合、１つの一般化された運用プロファイルに割り当てられる場合がある。一般化された運用プロファイルは、時刻または他の因子に応じて、各リソースの測定値の複数の範囲を含むことができる。前の例に戻ると、ＶＭ１ ４２２がインスタンス化された仮想マシンインスタンス構成は、仮想マシンインスタンスが、夜間は前述の様式でリソースを典型的に利用するが、日中はそのメモリセグメント４１２およびＣＰＵ可用性の５０％を利用する場合は、代わりに異なる既定の運用プロファイルに割り当てられてもよい。複数の一般化された運用プロファイルは、特定の顧客による使用に基づいて、特定の仮想マシンインスタンス構成に割り当てられてもよい。例えば、仮想マシンインスタンス構成を使用する各顧客は、異なる運用プロファイルと関連付けられてもよい。
In some embodiments, each resource of the operational profile may be associated with a usage score or some other indicator, rather than a single statistical measure. For example, each resource may be assigned a score of 1-10, with a higher number being associated with the resource weight and / or the most frequent user. In some embodiments, operational profiles may be further generalized. A predefined set of generalized operational profiles may cover the range of measurements or scores for each resource. For example, a virtual machine instance configuration with
いくつかの実施形態において、各顧客１２２は、いくつかの異なる仮想マシンインスタンス構成を有する場合であっても、各仮想マシンインスタンス構成がリソースを異なって利用する可能性がある場合であっても、１つの一般化された運用プロファイルと関連付けられてもよい。顧客１２２は、図４のＶＭ１ ４２２がインスタンス化される構成等、１つの仮想マシンインスタンス構成を有してもよく、軽量ＣＰＵアプリケーションとして独立的にプロファイルされてもよく、一方、ＶＭ２ ４２４がインスタンス化される構成等、別の仮想マシンインスタンス構成は、重量ＣＰＵアプリケーションとして独立的にプロファイルされてもよい。顧客１２２は、その平均ＣＰＵ使用が中程度であるため、中程度のＣＰＵユーザーとしてプロファイルされてもよい。任意選択的に、顧客１２２は、重量ＣＰＵアプリケーションである少なくとも１つの仮想マシンインスタンス構成を有するため、重量ＣＰＵユーザーとしてプロファイルされてもよい。他の実施形態において、顧客は、各仮想マシンイメージ構成のためのいくつかの関連運用プロファイルを有することができる。ＶＭ１ ４２２等、実質的に同じ仮想マシンイメージの異なる顧客またはユーザーは、仮想マシンイメージが共通の構成であっても、異なる量のリソースを使用する可能性がある。特定のＶＭを起動する所与の顧客は、以前に記録されたのと同じ方式でそのＶＭを使用する可能性がより高くなり、ほぼ同じリソースを消費する可能性がある。
In some embodiments, each
各仮想マシンインスタンス構成の運用プロファイルは、プロファイルデータストア２１０に記憶されてもよい。各プロファイルの実際の測定値が運用プロファイルに記憶されてもよく、あるいは、仮想マシンインスタンス構成が関連付けられるカテゴリまたは一般化された運用プロファイルのＩＤまたは指標が記憶されてもよい。仮想マシンプロファイルの代わりに、またはそれに加えて顧客プロファイルを判定かつ利用する実施形態において、顧客プロファイルデータは、同じデータストア２１０または異なるデータストアに記憶されてもよい。
The operation profile of each virtual machine instance configuration may be stored in the
ブロック３１２で、関係する運用プロファイルまたは一般化された運用プロファイルを作成または変更することができる。例えば、階層プロファイルが使用される場合、より上位のレベルのプロファイルを作成または変更してもよい。履歴運用メトリクスは、いくつかの場合、仮想マシンインスタンス構成がどの下位レベルのプロファイルに関連付けられるかに関わらず、より上位レベルの運用プロファイルと関連付けられる各仮想マシンインスタンス構成の運用メトリクスデータストア２０８からアクセスされてもよい。統計解析が実行されてもよく、前述のように運用メトリクス分散が判定されてもよい。有利に、変更された上位レベルの運用プロファイルまたは一般化された運用プロファイルは、プロセス３００の現在の実行と関連付けられる仮想マシンインスタンスとは異なる仮想マシンインスタンスをインスタンス化または移行するとき、配置モジュール２０４または移行モジュール２０６によってアクセスされ、使用されてもよい。したがって、１つの仮想マシンインスタンスと関連付けられる記録された運用メトリクスは、同じ仮想マシンインスタンス構成からインスタンス化されていない場合であっても、他の仮想マシンインスタンスの配置および実行を微調整するために使用されてもよい。
At
ここで図５を参照して、運用プロファイルに基づいて仮想マシンインスタンスの配置を判定するための例示的プロセス５００を説明する。プロセス５００は、管理構成要素１０２によって実行されてもよい。管理構成要素１０２は、顧客１２２からリクエストを受信してもよく、そうでなければ特定の仮想マシンインスタンス構成またはイメージから、仮想マシンのインスタンスを起動するように通知されてもよい。管理構成要素１０２は、仮想マシンインスタンスをホストし、利用可能なコンピューティングリソースに関して、ホストコンピューティングデバイス１０４ａ〜１０４ｎの現在のステータスを判定することが可能である、ホストコンピューティングデバイス１０４ａ〜１０４ｎを識別することができる。有利に、管理構成要素１０２はまた、インスタンス化される仮想マシンインスタンス構成の運用プロファイルを取得し、利用可能なリソースの観点から、利用可能なホストコンピューティングデバイス１０４ａ〜１０４ｎのうちどれが最も効果的に仮想マシンをホストすることができるかを判定することができる。既に仮想マシンを実行していて、かつ既に実行している仮想マシンをホストするために、そのリソースのほとんどまたは全てをコミットしている、ホストコンピューティングデバイス１０４が選択されてもよい。現在実行している仮想マシンインスタンスおよび起動される仮想マシンインスタンスの運用プロファイルに基づいて、管理構成要素１０２は、ホストコンピューティングデバイス１０４が、仮想マシンインスタンスが消費する可能性が高いコンピューティングリソースを提供することができると管理構成要素１０２が判定した場合、ホストコンピューティングデバイス１０４上で仮想マシンインスタンスを起動してもよい。いくつかの場合、これは、リソースをオーバーサブスクリプションすることを含む（例えば、同じリソースを複数の仮想マシンインスタンスに割り当てる）。その上、管理構成要素１０２は、ホストコンピューティングデバイス１０４上の仮想マシンインスタンスの実行を監視し、各仮想マシンインスタンスを満足させる十分なコンピューティングリソースが存在しない場合、１つ以上の仮想マシンインスタンスの実行を別のホストコンピューティングデバイス１０４へ転送することができる。
With reference now to FIG. 5, an
プロセス５００は、ブロック５０２で開始する。プロセス５００は、仮想マシンインスタンスを起動するリクエストの受信に応答する等、自動的に開始してもよい。例えば、プロセス５００は、１組の実行可能プログラム命令において具現化され、管理構成要素１０２が関連付けられるコンピューティングシステムの非一時的コンピュータ可読媒体ドライブ上に記憶されてもよい。プロセス５００が開始すると、実行可能プログラム命令は、ＲＡＭ等のメモリにロードされ、コンピューティングシステムの１つ以上のプロセッサによって実行され得る。いくつかの実施形態において、コンピューティングシステムは、サーバーのようなコンピューティングデバイスを複数含んでもよく、プロセス５００は、複数のサーバーによって、逐次または同時に実行されてもよい。
ブロック５０４で、管理構成要素１０２は、仮想マシンインスタンスを初期化するためのリクエスト、そうでなければ何らかの他の通知を受信することができる。通知は、顧客１２２、ホストコンピューティングデバイス１０４、あるいは何らかの他の構成要素またはエンティティから受信されてもよい。いくつかの実施形態において、仮想マシンインスタンスは、別の仮想マシンインスタンス、同じ仮想マシンインスタンス構成またはイメージの別のインスタンス等の初期化をリクエストしてもよい。
At
ブロック５０６で、管理構成要素１０２のＶＭ配置モジュール２０４または何らかの他のモジュールは、起動される仮想マシンインスタンスの運用プロファイルを取得することができる。運用プロファイルは、プロファイルデータストア２１０からロード、または何らかの他の情報源から取得されてもよい。ＶＭ配置モジュール２０４は、仮想マシンインスタンスが利用する可能性が高いリソース、およびその数量を判定するために、運用プロファイルを確認することができる。前述のように、仮想マシンインスタンス構成の運用プロファイルは、時刻等の環境因子に応じて異なっていてもよい。このような場合、管理構成要素１０２のＶＭ配置モジュール２０４は、運用プロファイルを確認する際にこのような環境因子を考慮することができる。
At
ブロック５０８で、管理構成要素１０２のＶＭ配置モジュール２０４または何らかの他のモジュールは、利用可能なリソースおよび運用プロファイルに基づいて、仮想マシンインスタンスを起動するホストコンピューティングデバイス１０４を選択することができる。例えば、ネットワークコンピューティング環境１００は、いくつかのホストコンピューティングデバイス１０４ａ〜１０４ｎを含む場合がある。ホストコンピューティングデバイス１０４ａ〜１０４ｎは同一である必要はなく、いくつかは他よりも多いまたは少ないＲＡＭ、より性能が高いまたは低いプロセッサ、あるいは異なる数のプロセッサ等を有することができる。ＶＭ配置モジュール２０４は、運用プロファイルおよび各コンピューティングデバイスで利用可能になるリソースによって識別される予想リソース利用に基づいて、仮想マシンインスタンスを起動するホストコンピューティングデバイス１０４を選択することができる。
At
いくつかの実施形態において、ホストコンピューティングデバイス１０４は、特定の仮想マシン、または特定のクラスの仮想マシンの一定数のインスタンスをホストするように構成されてもよい。図４に示されるように、ホストコンピューティングデバイス１０４はある量のメモリ４０２を有することができるので、ハイパーバイザ４２０のために既定のメモリ空間４１０、および仮想マシンのために規定サイズの２つの追加のメモリ空間４１２、４１４を予約することができる。２つの仮想マシンインスタンス４２２、４２４は、ホストコンピューティングデバイス１０４上で起動されてもよく、それぞれの仮想マシンインスタンス４２２、４２４が別のメモリ空間４１２、４１４に割り当てられる。顧客１２２は、構成する特定のクラスの仮想マシン（例えば、前述のように小型、中型、または大型）を選択することによって等、その仮想マシンインスタンス４２２、４２４に利用可能になる特定量のリソースを予約することができる。メモリ空間４１２、４１４は、顧客１２２によって予約されるように、仮想マシンインスタンス４２２、４２４に利用可能である最大許容量のリソースに対応してもよい。しかしながら、実際には、仮想マシンインスタンス４２２、４２４は、それらのために予約されるコンピューティングリソースの全体量を利用しない場合がある。例えば、図４に見られるように、仮想マシンインスタンス４２２、４２４は、それらのために予約されたメモリ空間４１２、４１４の一部しか利用していない。現在実行している仮想マシンインスタンス全てをサービスするため、または運用しているホストコンピューティングデバイス１０４ａ〜１０４ｎのリソースをより効率的に利用するために必要なホストコンピューティングデバイス１０４ａ〜１０４ｎの数を削減するために、このような過剰のメモリ空間および他の過剰なコンピューティングリソースを利用することは利点であり得る。
In some embodiments, the host computing device 104 may be configured to host a particular virtual machine or a certain number of instances of a particular class of virtual machines. As shown in FIG. 4, since the host computing device 104 can have a certain amount of
図６は、オーバーサブスクリプションされたコンピューティングリソースを含むホストコンピューティングデバイス１０４を図示する。第３の仮想マシンインスタンス４２６は、ホストコンピューティングデバイス１０４が仮想マシンインスタンスのために利用可能な２つのメモリ空間４１２、４１４しか含まないにもかかわらず、ホストコンピューティングデバイス１０４上で起動されている。仮想マシンインスタンス４２２、４２４、４２６のそれぞれと関連付けられる運用プロファイルに基づいて、ＶＭ配置モジュール２０４は、ＶＭ２ ４２２が利用可能なメモリ空間４１４の一部しか利用せず、ＶＭ３ ４２６もまた、起動されるときにその利用可能なメモリ空間の一部しか使用しないことを判定することができる。したがって、ＶＭ配置モジュール２０４は、ＶＭ２ ４２４と同じコンピューティングデバイス上でＶＭ３ ４２６を起動し、それらを同じメモリ空間４１４に割り当てることができる。
FIG. 6 illustrates a host computing device 104 that includes oversubscribed computing resources. The third
図６に見られるように、ＶＭ１ ４２２は、そのメモリ空間４１２の実質的に全てを利用し、したがって、ＶＭ配置モジュール２０４は、ＶＭ１ ４２２の運用プロファイルのために、同じメモリ空間４１２に別の仮想マシンインスタンスを割り当てない場合がある。しかしながら、ＶＭ１ ４２２は、少量のＣＰＵ容量４４２しか利用せず、したがって、ＶＭ１ ４２２が稼動しているホストコンピューティングデバイス１０４は、仮想マシンインスタンスの運用プロファイルが補完的である場合、オーバーサブスクリプションの候補であり得る。図６に図示される例において、ＶＭ２ ４２４は、大量のＣＰＵ容量４４４を利用する。しかしながら、ＶＭ３ ４２６の運用プロファイルが、それがＣＰＵ容量の軽量ユーザーであることを示す場合、３つの仮想マシンインスタンスＶＭ１ ４２２、ＶＭ２ ４２４、およびＶＭ３ ４２６は、インスタンス化されている仮想マシンインスタンス構成のオーバーラップではなく、補完的運用プロファイルであるためにオーバーサブスクリプションの候補であり得る。ホストコンピューティングデバイス１０４上で稼動している各仮想マシンインスタンスが、典型的に要求する各コンピューティングリソース量に容易に利用可能になっていることを確実にするために、追加のリソースがオーバーサブスクリプションの判定に考慮されてもよい。例えば、ネットワーク帯域幅利用４０６もまた、図６に図示されるように、ＶＭ３ ４２６の運用プロファイルが、それが重量のネットワーク帯域幅アプリケーションであることを示す場合であっても、ＶＭ１ ４２２およびＶＭ２ ４２４が少量のネットワーク帯域幅しか利用しないために、前述のオーバーサブスクリプションの判定例をサポートする。
As seen in FIG. 6,
ブロック５１０で、管理構成要素１０２のＶＭ配置モジュール２０４または何らかの他のモジュールは、ブロック５０８で識別されるホストコンピューティングデバイス１０４上に仮想マシンインスタンスを配置することができる。前述のように、仮想マシンインスタンスは、ホストコンピューティングデバイス１０４によって提供される量を合計または超過するコンピューティングリソースの予約量を有する他の仮想マシンインスタンスと共にホストコンピューティングデバイス１０４上に配置される場合がある。いくつかの事例において、オーバーサブスクリプションは相当量の場合がある。
At
図７は、相当にオーバーサブスクリプションされたホストコンピューティングデバイス１０４を図示する。前述のように、顧客１２２は、顧客の仮想マシンインスタンスによって使用するために、指定量のコンピューティングリソースを予約することができる。しかしながら、いくつかの事例において、顧客１２２は、その仮想マシンインスタンスが実際に使用する可能性があるコンピューティングリソースの量をかなり過大に見積もった可能性がある。極端な事例では、顧客１２２は、大量のコンピューティングリソースを予約し、これらのリソースと関連付けられる仮想マシンインスタンスを起動してから、次いで、仮想マシンインスタンスを待機状態のままにするか、そうでなければ予約したリソースを実質的に十分に活用していない。時間の経過とともに、予約されたリソースが実質的に十分に活用されていないことを反映する運用プロファイルが、仮想マシンインスタンスのために、または顧客１２２のために開発される場合がある。管理構成要素１０２は次いで、単一のホストコンピューティングデバイス１０４上でこのような利用が低い仮想マシンインスタンスを大量に起動する可能性がある。図７のホストコンピューティングデバイス１０４は、図４および６を参照して上述したように、典型的に２つの仮想マシンインスタンスのためだけに予約される場合があるコンピューティングリソースを共有する７つの異なる仮想マシンインスタンス４２２、４２４、４２６、７２２、７２４、７２６、７２８を含む。しかしながら、３つのコンピューティングリソース４０２、４０４、４０６のそれぞれの過剰な容量がまだ存在する。いくつかの事例において、ホストコンピューティングデバイス１０４が大量の利用可能なコンピューティングリソースを有し、仮想マシンインスタンスが実質的に待機状態である等、何百以上もの仮想マシンインスタンスがホストコンピューティングデバイス１０４上に配置される場合がある。
FIG. 7 illustrates a host computing device 104 that is significantly oversubscribed. As described above,
ブロック５１２で、各仮想マシンインスタンスのリソース利用が監視されてもよい。特異的な仮想マシンインスタンスの寿命の間、作業負荷解析構成要素４２１は、運用を監視し、仮想マシンインスタンスのうちの１つが、オーバーサブスクリプションされたホストコンピューティングデバイス１０４によってサービス可能ではないレベルでリソースを利用し始めた場合、またはリソース使用または運用メトリクスが何らかの理由で予想量または所望量と異なる場合、管理構成要素１０２に通知する。いくつかの実施形態において、管理構成要素１０２が監視を実行してもよい。
At
ブロック５１４で、管理構成要素１０２は、リソース使用または運用メトリクスが予想量または所望量と異なるかどうかを判定することができる。例えば、管理構成要素は、リソース使用の変化が閾値を超えるか、またはその他所望されない性能低下を発生させる可能性があるかを判定することができる。仮想マシンインスタンスは、予想よりも多くのコンピューティングリソースを利用し始め、その運用プロファイルおよび管理構成要素１０２によって判定された配置に基づいて、より少ない範囲までオーバーサブスクリプションされているホストコンピューティングデバイス１０４、または全くオーバーサブスクリプションされていないホストコンピューティングデバイス１０４へ転送される場合がある。このような場合、プロセス５００の実行はブロック５０８に戻ることができ、ＶＭ移行モジュール２０６または何らかの他の管理構成要素１０２が、仮想マシン８４２をどのコンピューティングデバイスへ転送するかを判定する。
At
図８は、ＣＰＵ容量４０４ａをオーバーサブスクリプションしたホストコンピューティングデバイス１０４ａを図示する。仮想マシンインスタンスＶＭ４ ８４２は、その運用プロファイルに反して、大量の利用可能なＣＰＵ容量４０４ａの消費を開始してもよい。しかしながら、仮想マシンインスタンスＶＭ４ ８４２と関連付けられる顧客１２２は、ＶＭ４ ８４２がインスタンス化されている仮想マシンインスタンス構成のために大量のＣＰＵ容量を予約していた可能性があり、したがって、オーバーサブスクリプションされたホストコンピューティングデバイス１０４ａが提供できるよりも多くのＣＰＵ容量を仮想マシンインスタンスＶＭ４ ８４２に提供することが望ましい場合がある。図８に示されるように、ホストコンピューティングデバイス１０４ｂは、このような転送の候補であってもよい。仮想マシンインスタンスＶＭ８ ８４４は現在、ホストコンピューティングデバイス１０４ｂ上で利用可能なＣＰＵ容量４０４ｂのほんの一部しか消費しておらず、管理構成要素１０２は、ＶＭ８ ８４４と関連付けられる運用プロファイルが、これ以上消費する可能性が低いことを示すと判定する場合がある。ＶＭ移行モジュール２０６は、ホストコンピューティングデバイス１０４ａからホストコンピューティングデバイス１０４ｂへのＶＭ４ ８４２の転送を開始することができる。
FIG. 8 illustrates the
仮想マシンインスタンスの転送は、まず、ソースホストコンピューティングデバイス１０４ａ上の仮想マシンインスタンスが継続して実行している間に、同じ仮想マシンインスタンス構成またはイメージのインスタンスをターゲットホストコンピューティングデバイス１０４ｂ上で起動することを含んでもよい。ソースホストコンピューティングデバイス１０４ｂ上の仮想マシンインスタンスの実行状態は、仮想マシンインスタンスと関連付けられるメモリ空間またはハードディスク内のデータを含めて、仮想マシンインスタンスによって確立されたネットワーク接続等を次いで、ターゲットホストコンピューティングデバイス１０４ｂで複製することができる。ソースホストコンピューティングデバイス１０４ａ上の仮想マシンインスタンスは終了することができ、ターゲットホストコンピューティングデバイス１０４ｂ上の仮想マシンインスタンスはその時点から実行を継続することができる。
A virtual machine instance transfer starts by launching an instance of the same virtual machine instance configuration or image on the target
いくつかの実施形態において、ソフトウェア作業負荷（例えば、アプリケーションまたは記憶ノード）の初期配置または転送は、ソフトウェア作業負荷が必ずしもそれ自体仮想マシンインスタンスでなくても、ソフトウェア作業負荷の仮想マシンインスタンス使用または相互作用と関連付けられてもよい。例えば、ソフトウェア作業負荷は、データを使用する場合がある仮想マシンインスタンスの予測に応じて、データ記憶エージェントとして実装される記憶ノードからなる場合がある。このような場合、作業負荷（この場合、記憶ノード）の初期配置または転送は、その近辺に配置すること、仮想マシンインスタンスまたはそれを使用する予定のインスタンスによってよりアクセスしやすくすることに基づいてもよい。 In some embodiments, the initial placement or transfer of a software workload (eg, an application or storage node) may be performed by using virtual machine instances of the software workload or mutual It may be associated with an action. For example, the software workload may consist of storage nodes implemented as data storage agents, depending on the prediction of virtual machine instances that may use the data. In such a case, the initial placement or transfer of the workload (in this case, the storage node) is also based on placing it near it, making it more accessible by the virtual machine instance or the instance that will use it. Good.
本開示の多様な実施形態は、以下の付記の観点で記載することができる。
付記１．コンピューティングリソース使用をプロファイルするためのシステムであって、
１つ以上のプロセッサと、
コンピュータ可読メモリと、
コンピュータ可読メモリに記憶される実行可能命令を含む管理モジュールであって、１つ以上のプロセッサによって実行されるとき、
第１のコンピューティングリソースの予想リソース使用量であって、１つ以上の類似の仮想マシンインスタンス構成のインスタンスによる、第１のコンピューティングリソースの使用量と関連付けられる複数の事前測定値に少なくとも部分的に基づく、予想使用量と関連する仮想マシンインスタンス構成の新しいインスタンスの初期化のためのリクエストを受信し、かつ
リクエストに応答して、
コンピューティングデバイス上の第１のコンピューティングリソースの利用可能量が予想量よりも大きいかどうかに少なくとも基づいて、複数のコンピューティングデバイスのうちのコンピューティングデバイスを識別し、かつ
少なくとも部分的に、新しいインスタンスをコンピューティングデバイス上で初期化させるように構成される、管理モジュールと、を備える、システム。
付記２． 第１のコンピューティングリソースの使用は、中央処理装置（ＣＰＵ）利用、メモリ利用、ネットワーク利用、ハードディスク利用、または電力利用のうちの１つを含む、付記１に記載のシステム。
付記３． 管理モジュールが、実行されるとき、
第１のコンピューティングリソースの使用に関する複数の事前測定値を取得し、
複数の事前測定値に少なくとも部分的に基づいて、仮想マシンインスタンス構成の運用プロファイルであって、予想リソース使用量を含む運用プロファイルを判定するように更に構成される、付記１に記載のシステム。
付記４． 運用プロファイルが、コンピューティングデバイスの所望される運用特徴を更に含む、付記３に記載のシステム。
付記５． 所望される運用特徴が、メモリ容量、中央処理装置（ＣＰＵ）容量、ネットワーク帯域幅、ネットワークレイテンシ、ネットワークトポロジー内の位置、命令セット、または性能メトリクスの分散に関する、付記４に記載のシステム。
付記６． コンピューティングデバイスを識別することが、コンピューティングデバイスと関連付けられる特徴が所望される特徴に対応することを判定することを含む、付記４に記載のシステム。
付記７． コンピューティングリソース使用をプロファイルするためのシステムであって、
１つ以上のプロセッサと、
コンピュータ可読メモリであって、１つ以上のプロセッサによって実行されるとき、
類似の仮想マシンの少なくとも１つのインスタンスを稼動することから判定される運用メトリクスに少なくとも部分的に基づいて、仮想マシンのインスタンスに対する運用制約を判定し、
仮想マシンをインスタンス化するためのリクエストを受信し、かつ
リクエストに応答して、
複数のホストコンピューティングデバイスのうち、仮想マシンインスタンスの運用に関係する１つ以上の運用特徴と関連付けられる１つのホストコンピューティングデバイスを、１つ以上の特徴が運用制約を満たすかどうかに部分的に基づいて、識別し、かつ
少なくとも部分的に、仮想マシンの新しいインスタンスを、ホストコンピューティングデバイス上にインスタンス化させるように、システムを構成する実行可能命令を含むコンピュータ可読メモリと、を備える、システム。
付記８． 運用メトリクスのうちの少なくとも１つが、中央処理装置（ＣＰＵ）利用、メモリ利用、ネットワーク利用、ハードディスク利用、または電力利用に関係する、付記７に記載のシステム。
付記９． １つ以上の特徴のうちの少なくとも１つが、メモリ容量、中央処理装置（ＣＰＵ）容量、ネットワーク帯域幅、ネットワークレイテンシ、ネットワークトポロジー内の位置、命令セット、または性能メトリクスの分散を含む、付記７に記載のシステム。
付記１０． 運用制約が、ホストコンピューティングデバイスによって提供されるコンピューティングリソースの予想使用量に関係する、付記７に記載のシステム。
付記１１． 予想使用量が、仮想マシンと関連付けられる顧客から受信されるデータに少なくとも部分的に更に基づく、付記１０に記載のシステム。
付記１２． モジュールが、実行されるとき、
ホストコンピューティングデバイス上の新しいインスタンスの運用に関する追加の運用メトリクスであって、１つ以上の運用特徴に関係する、追加の運用メトリクスを受信し、かつ
追加の運用メトリクスに基づいて、１つ以上の運用特徴がもはや運用制約を満たさないという判定に応答して、新しいインスタンスを、運用制約を満たす１つ以上の追加の運用特徴と関連付けられる第２のコンピューティングデバイスへ転送するように、更に構成される、付記７に記載のシステム。
付記１３． コンピューティングリソースの使用をプロファイルするためのコンピュータによって実装される方法であって、
１つ以上のコンピューティングデバイスを備えるデータセンター管理構成要素によって、運用プロファイルであって、ソフトウェア作業負荷と関連付けられる複数の履歴運用メトリクスに少なくとも部分的に基づく、運用プロファイルと関連付けられるソフトウェア作業負荷の初期化に対するリクエストを受信することと、
リクエストに応答して、
複数のコンピューティングデバイスのうちの１つのコンピューティングデバイスを、運用プロファイルおよびコンピューティングデバイスと関連付けられる１つ以上の運用特徴に少なくとも部分的に基づいて識別することと、
ソフトウェア作業負荷をコンピューティングデバイス上で初期化させることと、を含む、コンピュータによって実装される方法。
付記１４． ソフトウェア作業負荷が、仮想マシンインスタンス、オペレーティングシステム、ストレージエリアネットワーク（ＳＡＮ）ノード、またはアプリケーションを含む、付記１３に記載のコンピュータによって実装される方法。
付記１５． 複数の履歴運用メトリクスのうちの少なくとも１つが、中央処理装置（ＣＰＵ）利用、メモリ利用、ネットワーク利用、ハードディスク利用、または電力利用に関係する、付記１３に記載のコンピュータによって実装される方法。
付記１６． １つ以上の運用特徴のうちの少なくとも１つが、メモリ容量、中央処理装置（ＣＰＵ）容量、ネットワーク帯域幅、ネットワークレイテンシ、ネットワークトポロジー内の位置、命令セット、または性能メトリクスの分散を含む、付記１３に記載のコンピュータによって実装される方法。
付記１７． 運用プロファイルが、第１のコンピューティングリソースと関連付けられる第１の予想リソース使用量を含み、第１の予想リソース使用量が、第１のリソースの使用に関する複数の履歴運用メトリクスに少なくとも部分的に基づき、１つ以上の特徴のうちの１つの特徴が、第１のコンピューティングリソースの可用性を含む、付記１３に記載のコンピュータによって実装される方法。
付記１８． 第１のリソースの使用に関する複数の履歴運用メトリクスの各々が、使用測定値が記録された時刻に関連付けられ、運用プロファイルが、複数の履歴運用メトリクスの各々が記録された時刻に少なくとも部分的に更に基づく、付記１７に記載のコンピュータによって実装される方法。
付記１９． ソフトウェア作業負荷、またはソフトウェア作業負荷を実行している複数のコンピューティングデバイスのうちの１つのコンピューティングデバイスのいずれかと関連付けられる運用解析構成要素からの複数の履歴運用メトリクスの少なくとも一部を取得することを更に含む、付記１３に記載のコンピュータによって実装される方法。
付記２０． 複数の履歴運用メトリクスに少なくとも部分的に基づいて、運用プロファイルを判定することを更に含む、付記１３に記載のコンピュータによって実装される方法。
付記２１． ソフトウェア作業負荷と関連付けられる顧客とのサービスレベル合意に少なくとも部分的に基づいて、運用プロファイルを判定することを更に含む、付記１３に記載のコンピュータによって実装される方法。
付記２２． 運用プロファイルが、コンピューティングデバイスの所望される運用特徴を含む、付記１３に記載のコンピュータによって実装される方法。
付記２３． コンピューティングデバイスを識別することは更に、コンピューティングデバイスと関連付けられる１つ以上の運用特徴のうちの１つの運用特徴が、所望される運用特徴に対応することを判定することに少なくとも部分的に基づく、付記２２に記載のコンピュータによって実装される方法。
付記２４． コンピューティングデバイス上のソフトウェア作業負荷に関する実質的に最新の運用メトリクスであって、１つ以上の運用特徴に関係する、実質的に最新の運用メトリクスを受信することと、
実質的に最新の運用メトリクスに基づいて、コンピューティングデバイスと関連付けられる１つ以上の運用特徴のうちのどれもが所望される運用特徴に対応しないと判定することに応答して、ソフトウェア作業負荷を、所望される運用特徴に対応する運用特徴と関連付けられる第２のコンピューティングデバイスへ転送することと、を更に含む、
付記２２に記載のコンピュータによって実装される方法。
付記２５． 運用プロファイルが、複数の既定の運用プロファイルのうちの第１の既定の運用プロファイルを含む、付記１３に記載のコンピュータによって実装される方法。
付記２６． 既定の運用プロファイルが、運用階層内のレベルと関連付けられ、第１の既定の運用プロファイルが、ソフトウェア作業負荷に対して、運用階層のより上位のレベルと関連付けられる、付記２５に記載のコンピュータによって実装される方法。
付記２７． 運用プロファイルが、顧客に特異的な運用プロファイルを含み、複数の履歴運用メトリクスが、顧客によるソフトウェア作業負荷の初期化または使用と関連付けられる、付記１３に記載のコンピュータによって実装される方法。
付記２８． 運用プロファイルが、履歴運用メトリクスの中間値、標準偏差、または使用ヒストグラムを含む、付記１３に記載のコンピュータによって実装される方法。
付記２９． 運用プロファイルが、特定期間の履歴運用メトリクスに少なくとも部分的に基づく、付記１３に記載のコンピュータによって実装される方法。
付記３０． 共有コンピューティングリソースを管理するためのシステムであって、
１つ以上のプロセッサと、
コンピュータ可読メモリであって、１つ以上のプロセッサによって実行されるとき、
第１のコンピューティングリソースの第１の予想使用量であって、類似の仮想マシンの少なくとも１つのインスタンスを以前に実行させたことから判定された運用メトリクスに少なくとも部分的に基づく、第１の予想使用量と関連付けられる第１の仮想マシンの第１のインスタンスを初期化するためのリクエストを受信し、
第１のコンピューティングリソースを提供するように構成された複数のコンピューティングデバイスのうちの１つのコンピューティングデバイスであって、第２の仮想マシンの第２のインスタンスがそのコンピューティングデバイス上で稼動し、第１のコンピューティングリソースの既定量が第２のインスタンスによって使用されるために予約され、そのコンピューティングリソースが、第１のコンピューティングリソースの、第２のインスタンスと関連付けられる、第１の予想使用量および第２の予想使用量の和よりも大きい既定量に少なくとも部分的に基づいて選択される、コンピューティングリソースを選択し、
少なくとも部分的に、第１のインスタンスをそのコンピューティングデバイス上で初期化させ、第１のインスタンスおよび第２のインスタンスが、第１のコンピューティングリソースの既定量を共有するように、システムを構成する実行可能命令を記憶する、コンピュータ可読メモリと、を備える、システム。
付記３１． 第１のコンピューティングリソースが、中央処理装置（ＣＰＵ）の容量、メモリ空間、ネットワーク帯域幅、ハードディスクの空き容量、または電力利用のうちの１つを含む、付記３０に記載のシステム。
付記３２． 第１のインスタンスおよび第２のインスタンスが異なる顧客と関連付けられる、付記３０に記載のシステム。
付記３３． 実行可能命令が、
少なくとも部分的に、第３の仮想マシンの第３のインスタンスをコンピューティングデバイス上で初期化させるようにシステムを更に構成し、
第３のインスタンスが、第１のコンピューティングリソースの第３の予想使用量と関連付けられ、
既定量が、第１の予想使用量、第２の予想使用量、および第３の予想使用量よりも更に大きく、
第１のインスタンス、第２のインスタンス、および第３のインスタンスが、第１のコンピューティングリソースの既定量を共有する、付記３０に記載のシステム。
付記３４． 実行可能命令が、
第１のインスタンスによる第１のコンピューティングリソースの使用の第１の測定値、および第２のインスタンスによる第１のコンピューティングリソースの使用の第２の測定値を取得し、
第１の測定値または第２の測定値が閾値を超過すると判定することに応答して、第１のインスタンスまたは第２のインスタンスを第２のコンピューティングデバイスへ転送するようにシステムを更に構成する、付記３０に記載のシステム。
付記３５． 共有コンピューティングリソースを管理するためのコンピュータによって実装される方法であって、
１つ以上のコンピューティングデバイスを備えるデータセンター管理システムによって、ホストコンピューティングデバイス上の第１のソフトウェア作業負荷の運用に関する第１の複数の履歴運用メトリクスに少なくとも部分的に基づく第１の運用制約と関連付けられる第１のソフトウェア作業負荷を初期化するためのリクエストを受信することと、
リクエストに応答して、第１の運用制約および第１のホストコンピューティングデバイスと関連付けられる１つ以上の運用特徴に少なくとも基づいて、複数のホストコンピューティングデバイスのうちの第１のホストコンピューティングデバイスを識別することと、を含み、
第１のホストコンピューティングデバイスが、第２の運用制約と関連付けられる第２のソフトウェア作業負荷を備え、
識別することが、第１のホストコンピューティングデバイスの１つ以上の運用特徴が、第１の運用制約および第２の運用制約の両方を満足させる可能性が高いかどうかを判定することと、
少なくとも部分的に、第１のソフトウェア作業負荷を第１のホストコンピューティングデバイス上に配置させることと、を含む、コンピュータによって実装される方法。
付記３６． 第１のソフトウェア作業負荷または第２のソフトウェア作業負荷が、仮想マシンインスタンス、アプリケーションインスタンス、またはオペレーティングシステムを含む、付記３５に記載のコンピュータによって実装される方法。
付記３７． 第１のソフトウェア作業負荷が、ストレージノードを含み、識別することが、第１のホストコンピューティングデバイス上にストレージノードを配置することが、ストレージノードを使用する仮想マシンと関連付けられる運用制約を満足させるかどうかを判定することを更に含む、付記３５に記載のコンピュータによって実装される方法。
付記３８． １つ以上の運用特徴のうちの少なくとも１つは、メモリ容量、中央処理装置（ＣＰＵ）容量、ネットワーク帯域幅、ネットワークレイテンシ、ネットワークトポロジー内の位置、命令セット、性能メトリクスの分散、または電力容量を含む、付記３５に記載のコンピュータによって実装される方法。
付記３９． 第１の運用制約または第２の運用制約が、メモリ利用、中央処理装置（ＣＰＵ）利用、ネットワーク帯域幅利用、ネットワークレイテンシ、ネットワークトポロジー内の位置、命令セット可用性、性能メトリクスの分散、または電力利用に関係する、付記３５に記載のコンピュータによって実装される方法。
付記４０． 第１の運用制約が、第１のコンピューティングリソースの第１の予想使用量に関係し、第２の運用制約が、第１のコンピューティングリソースの第２の予想使用量に関係し、第１のコンピュータ実行可能プログラムおよび第２のコンピュータ実行可能プログラムが、第１のコンピューティングリソースの第１の予想使用量および第２の予想使用量をそれぞれ同時に消費することが可能である、付記３５に記載のコンピュータによって実装される方法。
付記４１． １つ以上の運用特徴のうちの１つの運用特徴が、第１のコンピューティングリソースの利用可能量を含み、
少なくとも部分的に、第１のコンピュータ実行可能プログラムおよび第２のコンピュータ実行可能プログラムが合計で、第１のコンピューティングリソースの利用可能量を超えて消費することを防止することを更に含む、付記４０に記載のコンピュータによって実装される方法。
付記４２． 少なくとも部分的に、第３のコンピュータ実行可能プログラムを第１のホストコンピューティングデバイス上で初期化させることを更に含み、
第３のコンピュータ実行可能プログラムが第３の運用制約と関連付けられ、
第１のホストコンピューティングデバイスの１つ以上の運用特徴が、第１の運用制約、第２の運用制約、および第３の運用制約のそれぞれを満足させる可能性が高い、付記３５に記載のコンピュータによって実装される方法。
付記４３．第１のホストコンピューティングデバイス上の第１のコンピュータ実行可能プログラムの運用に関する１つ以上の運用メトリクスを取得することと、
少なくとも部分的に１つ以上の運用メトリクスに基づいて、第１の制約が満足させられる可能性がもはや低いと判定することに応答して、第１のコンピュータ実行可能プログラムまたは第２のコンピュータ実行可能プログラムを第２のホストコンピューティングデバイスへ転送することと、を更に含む、付記３５に記載のコンピュータによって実装される方法。
付記４４． 第１のホストコンピューティングデバイス上の第２のコンピュータ実行可能プログラムの運用に関する１つ以上の運用メトリクスを取得することと、
少なくとも部分的に１つ以上の運用メトリクスに基づいて、第２の制約が満足させられる可能性がもはや低いと判定することに応答して、第１のコンピュータ実行可能プログラムまたは第２のコンピュータ実行可能プログラムを第２のホストコンピューティングデバイスへ転送することと、を更に含む、付記３５に記載のコンピュータによって実装される方法。
付記４５． 第１のホストコンピューティングデバイスの１つ以上の運用特徴に関する１つ以上の運用メトリクスを取得することと、
少なくとも部分的に１つ以上の運用メトリクスに基づいて、第１の制約または第２の制約が満足させられる可能性がもはや低いと判定することに応答して、第１のコンピュータ実行可能プログラムまたは第２のコンピュータ実行可能プログラムを第２のホストコンピューティングデバイスへ転送することと、を更に含む、付記３５に記載のコンピュータによって実装される方法。
付記４６． 共有コンピューティングリソースを管理するためのシステムであって、
１つ以上のプロセッサと、
コンピュータ可読メモリであって、１つ以上のプロセッサによって実行されるとき、
ホストコンピューティングデバイス上の第１のコンピュータ実行可能プログラムの運用に関する第１の複数の履歴運用メトリクスに少なくとも部分的に基づく第１の運用制約と関連付けられる第１のコンピュータ実行可能プログラムを初期化するためのリクエストを受信し、
複数のホストコンピューティングデバイスのうちの第１のホストコンピューティングデバイスであって、１つ以上の運用特徴と関連付けられる第１のホストコンピューティングデバイスを識別するように、システムを構成する実行可能命令を記憶する、コンピュータ可読メモリと、を備え、
第１のホストコンピューティングデバイスが、第２の運用制約と関連付けられる第２のコンピュータ実行可能プログラムを備え、
第１のホストコンピューティングデバイスが、第１の運用制約および第２の運用制約の両方を満足させる１つ以上の運用特徴に少なくとも部分的に基づいて識別される、システム。
付記４７． 実行可能命令が、少なくとも部分的に、第１のホストコンピューティングデバイス上で第１のコンピュータ実行可能プログラムを実行させるようにシステムを更に構成する、付記４６に記載のシステム。
付記４８． 第１のコンピュータ実行可能プログラムまたは第２のコンピュータ実行可能プログラムが、仮想マシンインスタンス、アプリケーションインスタンス、またはオペレーティングシステムのうちの１つを含む、付記４６に記載のシステム。
付記４９． １つ以上の運用特徴のうちの少なくとも１つが、メモリ容量、中央処理装置（ＣＰＵ）容量、ネットワーク帯域幅、ネットワークレイテンシ、ネットワークトポロジー内の位置、命令セット、性能メトリクスの分散、または電力容量を含む、付記４６に記載のシステム。
付記５０． 第１の運用制約または第２の運用制約が、メモリ利用、中央処理装置（ＣＰＵ）利用、ネットワーク帯域幅利用、ネットワークレイテンシ、ネットワークトポロジー内の位置、命令セット可用性、性能メトリクスの分散、または電力利用に関係する、付記４６に記載のシステム。
付記５１． 第１の運用制約が、第１のコンピューティングリソースの第１の予想使用量に関係し、第２の運用制約が、第１のコンピューティングリソースの第２の予想使用量に関係し、第１のコンピュータ実行可能プログラムおよび第２のコンピュータ実行可能プログラムが、第１のコンピューティングリソースの第１の予想使用量および第２の予想使用量をそれぞれ同時に消費することが可能である、付記４６に記載のシステム。
付記５２． 実行可能命令が、第１のコンピュータ実行可能プログラムおよび第２のコンピュータ実行可能プログラムが合計で、第１のコンピューティングリソースの利用可能量を超えて消費することを少なくとも部分的に防止するようにシステムを更に構成する、付記５１に記載のシステム。
付記５３． 実行可能命令が、
第１のホストコンピューティングデバイスの１つ以上の運用特徴が、第１の運用制約、第２の運用制約、および第３のコンピュータ実行可能プログラムと関連付けられる第３の運用制約のそれぞれを満足させる可能性が高いかどうかを判定し、
少なくとも部分的に、第３のコンピュータ実行可能プログラムを第１のホストコンピューティングデバイス上で初期化させるようにシステムを更に構成する、付記４６に記載のシステム。
付記５４． 実行可能命令が、
第１のホストコンピューティングデバイス上の第１のコンピュータ実行可能プログラムの運用に関する１つ以上の運用メトリクスを取得し、
少なくとも部分的に１つ以上の運用メトリクスに基づいて、第１の制約が満足させられる可能性がもはや低いと判定することに応答して、第１のコンピュータ実行可能プログラム、または第２のコンピュータ実行可能プログラムを第２のホストコンピューティングデバイスへ転送するようにシステムを更に構成する、付記４６に記載のシステム。
付記５５． 実行可能命令が、
第１のホストコンピューティングデバイス上の第２のコンピュータ実行可能プログラムの運用に関する１つ以上の運用メトリクスを取得し、
少なくとも部分的に１つ以上の運用メトリクスに基づいて、第２の制約が満足させられる可能性がもはや低いと判定することに応答して、第１のコンピュータ実行可能プログラムまたは第２のコンピュータ実行可能プログラムを第２のホストコンピューティングデバイスへ転送するようにシステムを更に構成する、付記４６に記載のシステム。
付記５６． 実行可能命令が、
第１のホストコンピューティングデバイスの１つ以上の運用特徴に関する１つ以上の運用メトリクスを取得し、
少なくとも部分的に１つ以上の運用メトリクスに基づいて、第１の制約または第２の制約が満足させられる可能性がもはや低いと判定することに応答して、第１のコンピュータ実行可能プログラムまたは第２のコンピュータ実行可能プログラムを第２のホストコンピューティングデバイスへ転送するようにシステムを更に構成する、付記４６に記載のシステム。
Various embodiments of the present disclosure can be described in terms of the following supplementary notes.
Appendix 1. A system for profiling computing resource usage, comprising:
One or more processors;
A computer readable memory;
A management module comprising executable instructions stored in a computer readable memory when executed by one or more processors;
Expected resource usage of the first computing resource at least partially in a plurality of pre-measurements associated with the usage of the first computing resource by an instance of one or more similar virtual machine instance configurations Receive a request to initialize a new instance of the virtual machine instance configuration associated with the expected usage based on and respond to the request,
Identifying a computing device of the plurality of computing devices based at least on whether the available amount of the first computing resource on the computing device is greater than expected, and at least partially new A management module configured to initialize the instance on the computing device.
Appendix 2. The system of claim 1, wherein use of the first computing resource includes one of central processing unit (CPU) utilization, memory utilization, network utilization, hard disk utilization, or power utilization.
Appendix 3. When the management module is run,
Obtaining a plurality of prior measurements relating to the use of the first computing resource;
The system of claim 1, further configured to determine an operational profile of a virtual machine instance configuration that includes an expected resource usage based at least in part on a plurality of prior measurements.
Appendix 4. The system of claim 3, wherein the operational profile further comprises desired operational characteristics of the computing device.
Appendix 5. The system of claim 4, wherein the desired operational features relate to memory capacity, central processing unit (CPU) capacity, network bandwidth, network latency, location in network topology, instruction set, or performance metrics distribution.
Appendix 6. The system of claim 4, wherein identifying the computing device includes determining that a feature associated with the computing device corresponds to a desired feature.
Appendix 7. A system for profiling computing resource usage, comprising:
One or more processors;
Computer readable memory when executed by one or more processors;
Determine operational constraints for a virtual machine instance based at least in part on operational metrics determined from running at least one instance of a similar virtual machine;
Receives and responds to a request to instantiate a virtual machine,
Of the plurality of host computing devices, one host computing device associated with one or more operational features related to the operation of the virtual machine instance is partially determined by whether one or more features satisfy operational constraints. And a computer readable memory comprising executable instructions that configure the system to cause a new instance of the virtual machine to be instantiated on the host computing device.
Appendix 8. The system of claim 7, wherein at least one of the operational metrics relates to central processing unit (CPU) usage, memory usage, network usage, hard disk usage, or power usage.
Appendix 9. Appendix 7 wherein at least one of the one or more features includes memory capacity, central processing unit (CPU) capacity, network bandwidth, network latency, location in network topology, instruction set, or performance metrics distribution The system described.
Appendix 10. The system of claim 7, wherein the operational constraints relate to expected usage of computing resources provided by the host computing device.
Appendix 11. The system of claim 10, wherein the expected usage is further based at least in part on data received from a customer associated with the virtual machine.
Appendix 12. When the module is executed
Additional operational metrics related to the operation of a new instance on a host computing device, receiving additional operational metrics related to one or more operational characteristics, and based on the additional operational metrics, one or more In response to determining that the operational feature no longer meets operational constraints, the device is further configured to transfer the new instance to a second computing device associated with one or more additional operational features that satisfy the operational constraint. The system according to appendix 7.
Appendix 13. A computer-implemented method for profiling use of computing resources, comprising:
An initial software workload associated with an operational profile, based at least in part on a plurality of historical operational metrics associated with the software workload by a data center management component comprising one or more computing devices Receiving a request for
In response to the request,
Identifying a computing device of the plurality of computing devices based at least in part on the operational profile and one or more operational characteristics associated with the computing device;
Initializing a software workload on a computing device.
Appendix 14. 14. The computer implemented method of claim 13, wherein the software workload includes a virtual machine instance, an operating system, a storage area network (SAN) node, or an application.
Appendix 15. 14. The computer-implemented method of appendix 13, wherein at least one of the plurality of history operation metrics relates to central processing unit (CPU) usage, memory usage, network usage, hard disk usage, or power usage.
Appendix 16. Appendix 13 wherein at least one of the one or more operational features includes memory capacity, central processing unit (CPU) capacity, network bandwidth, network latency, location in network topology, instruction set, or performance metrics distribution A computer-implemented method according to claim 1.
Appendix 17. The operational profile includes a first expected resource usage associated with the first computing resource, the first expected resource usage based at least in part on a plurality of historical operational metrics related to the usage of the first resource. The computer-implemented method of claim 13, wherein one of the one or more features includes the availability of the first computing resource.
Appendix 18. Each of the plurality of historical operational metrics related to the use of the first resource is associated with a time at which the usage measurement is recorded, and the operational profile is further at least partially at the time at which each of the plurality of historical operational metrics is recorded. 18. A computer-implemented method according to claim 17, based on.
Appendix 19. Obtaining at least a portion of a plurality of historical operational metrics from an operational analysis component associated with a software workload or any one of the plurality of computing devices executing the software workload The computer-implemented method of claim 13, further comprising:
Appendix 20. The computer-implemented method of claim 13, further comprising determining an operational profile based at least in part on the plurality of historical operational metrics.
Appendix 21. The computer-implemented method of claim 13, further comprising determining an operational profile based at least in part on a service level agreement with a customer associated with the software workload.
Appendix 22. 14. The computer-implemented method of clause 13, wherein the operational profile includes desired operational characteristics of the computing device.
Appendix 23. Identifying the computing device is further based at least in part on determining that one operational feature of one or more operational features associated with the computing device corresponds to a desired operational feature. A computer-implemented method according to appendix 22.
Appendix 24. Receiving substantially up-to-date operational metrics relating to a software workload on a computing device, wherein the substantially up-to-date operational metrics related to one or more operational characteristics;
Responsive to determining that none of the one or more operational features associated with the computing device corresponds to the desired operational feature based on substantially current operational metrics, the software workload is Transferring to a second computing device associated with the operational feature corresponding to the desired operational feature,
27. A computer-implemented method according to appendix 22.
Appendix 25. 14. The computer-implemented method according to appendix 13, wherein the operation profile includes a first default operation profile among a plurality of default operation profiles.
Appendix 26. The computer as described in appendix 25, wherein the default operational profile is associated with a level in the operational hierarchy and the first default operational profile is associated with a higher level of the operational hierarchy with respect to the software workload. How to be.
Addendum 27. 14. The computer-implemented method of appendix 13, wherein the operational profile includes a customer specific operational profile and the plurality of historical operational metrics are associated with the initialization or use of the software workload by the customer.
Appendix 28. 14. The computer-implemented method of appendix 13, wherein the operational profile includes an intermediate value, standard deviation, or usage histogram of historical operational metrics.
Appendix 29 The computer-implemented method of appendix 13, wherein the operational profile is based at least in part on historical operational metrics for a specific period.
Appendix 30 A system for managing shared computing resources,
One or more processors;
Computer readable memory when executed by one or more processors;
A first expected usage of a first computing resource, based at least in part on operational metrics determined from previously running at least one instance of a similar virtual machine Receiving a request to initialize a first instance of a first virtual machine associated with usage;
A computing device of a plurality of computing devices configured to provide a first computing resource, wherein a second instance of a second virtual machine is running on the computing device. A first expectation that a predetermined amount of a first computing resource is reserved for use by a second instance, and that the computing resource is associated with a second instance of the first computing resource Selecting a computing resource that is selected based at least in part on a predetermined amount that is greater than the sum of the usage and the second expected usage;
At least in part, the first instance is initialized on the computing device and the system is configured such that the first instance and the second instance share a predetermined amount of the first computing resource. A computer readable memory storing executable instructions.
Addendum 31. 32. The system of clause 30, wherein the first computing resource includes one of a central processing unit (CPU) capacity, memory space, network bandwidth, hard disk space, or power usage.
Appendix 32. 31. The system of clause 30, wherein the first instance and the second instance are associated with different customers.
Addendum 33. Executable instructions are
Further configuring the system to initialize a third instance of the third virtual machine on the computing device, at least in part;
A third instance is associated with a third expected usage of the first computing resource;
The predetermined amount is greater than the first expected usage, the second expected usage, and the third expected usage;
The system of clause 30, wherein the first instance, the second instance, and the third instance share a predetermined amount of the first computing resource.
Appendix 34. Executable instructions are
Obtaining a first measure of use of the first computing resource by the first instance and a second measure of use of the first computing resource by the second instance;
In response to determining that the first measurement or the second measurement exceeds the threshold, the system is further configured to transfer the first instance or the second instance to the second computing device. The system according to Supplementary Note 30.
Appendix 35. A computer-implemented method for managing shared computing resources comprising:
A first operational constraint based at least in part on a first plurality of historical operational metrics related to operation of a first software workload on a host computing device by a data center management system comprising one or more computing devices; Receiving a request to initialize an associated first software workload;
In response to the request, a first host computing device of the plurality of host computing devices is based on at least a first operational constraint and one or more operational features associated with the first host computing device. Identifying, and
A first host computing device comprising a second software workload associated with a second operational constraint;
Determining whether one or more operational features of the first host computing device are likely to satisfy both the first operational constraint and the second operational constraint;
Placing at least in part a first software workload on a first host computing device.
Appendix 36. 36. The computer implemented method of claim 35, wherein the first software workload or the second software workload comprises a virtual machine instance, an application instance, or an operating system.
Addendum 37. The first software workload includes and identifies the storage node, and placing the storage node on the first host computing device satisfies operational constraints associated with a virtual machine that uses the storage node. 36. The computer implemented method of claim 35, further comprising determining whether or not.
Addendum 38. At least one of the one or more operational features includes memory capacity, central processing unit (CPU) capacity, network bandwidth, network latency, location in the network topology, instruction set, distribution of performance metrics, or power capacity. 36. The computer implemented method of claim 35, comprising:
Addendum 39. The first operational constraint or the second operational constraint is memory usage, central processing unit (CPU) usage, network bandwidth usage, network latency, location in network topology, instruction set availability, performance metrics distribution, or power usage. 36. A computer-implemented method according to claim 35 relating to
APPENDIX 40 The first operational constraint is related to a first expected usage of the first computing resource, the second operational constraint is related to a second expected usage of the first computing resource, and the first 36. The computer-executable program and the second computer-executable program of claim 35 can simultaneously consume the first and second expected usage of the first computing resource, respectively. Implemented by computers.
Appendix 41. An operational feature of the one or more operational features includes an available amount of the first computing resource;
APPENDIX 40 further comprising, at least in part, preventing the first computer executable program and the second computer executable program in total from consuming more than the available amount of the first computing resource. A computer-implemented method according to claim 1.
Appendix 42. Further comprising at least partially initializing a third computer executable program on the first host computing device;
A third computer executable program is associated with the third operational constraint;
The computer of appendix 35, wherein one or more operational features of the first host computing device are likely to satisfy each of the first operational constraint, the second operational constraint, and the third operational constraint. The method implemented by.
Appendix 43. Obtaining one or more operational metrics relating to the operation of the first computer executable program on the first host computing device;
In response to determining that the first constraint is no longer likely to be satisfied based at least in part on one or more operational metrics, the first computer executable program or the second computer executable 36. The computer implemented method of claim 35, further comprising transferring the program to a second host computing device.
Appendix 44. Obtaining one or more operational metrics relating to the operation of the second computer executable program on the first host computing device;
In response to determining that the second constraint is no longer likely to be satisfied based at least in part on one or more operational metrics, the first computer executable program or the second computer executable 36. The computer implemented method of claim 35, further comprising transferring the program to a second host computing device.
Appendix 45. Obtaining one or more operational metrics relating to one or more operational features of the first host computing device;
In response to determining that the first constraint or the second constraint is no longer likely to be satisfied based at least in part on the one or more operational metrics, the first computer executable program or the first 36. The computer implemented method of claim 35, further comprising: transferring the two computer executable programs to the second host computing device.
Appendix 46. A system for managing shared computing resources,
One or more processors;
Computer readable memory when executed by one or more processors;
To initialize a first computer executable program associated with a first operational constraint based at least in part on a first plurality of historical operational metrics related to operation of a first computer executable program on a host computing device. Received a request for
Executable instructions for configuring the system to identify a first host computing device of a plurality of host computing devices that is associated with one or more operational features. A computer-readable memory for storing,
A first host computing device comprising a second computer executable program associated with a second operational constraint;
A system, wherein a first host computing device is identified based at least in part on one or more operational features that satisfy both a first operational constraint and a second operational constraint.
Appendix 47. 47. The system of clause 46, wherein the executable instructions further configure the system to cause the first computer executable program to run on the first host computing device at least in part.
Appendix 48. 49. The system of clause 46, wherein the first computer executable program or the second computer executable program includes one of a virtual machine instance, an application instance, or an operating system.
Appendix 49. At least one of the one or more operational features includes memory capacity, central processing unit (CPU) capacity, network bandwidth, network latency, location within the network topology, instruction set, distribution of performance metrics, or power capacity 47. The system according to appendix 46.
Appendix 50. The first operational constraint or the second operational constraint is memory usage, central processing unit (CPU) usage, network bandwidth usage, network latency, location in network topology, instruction set availability, performance metrics distribution, or power usage. 47. The system according to appendix 46, related to
Appendix 51. The first operational constraint is related to a first expected usage of the first computing resource, the second operational constraint is related to a second expected usage of the first computing resource, and the first 47. The computer-executable program and the second computer-executable program of claim 46 can simultaneously consume the first and second expected usage of the first computing resource, respectively. System.
Appendix 52. A system such that the executable instructions at least partially prevent the first computer executable program and the second computer executable program from consuming in excess of the available amount of the first computing resource. 52. The system according to appendix 51, further comprising:
Appendix 53. Executable instructions are
One or more operational features of the first host computing device may satisfy each of the first operational constraint, the second operational constraint, and a third operational constraint associated with the third computer executable program. To determine whether the
47. The system of clause 46, further configuring the system to at least partially initialize a third computer executable program on the first host computing device.
Appendix 54. Executable instructions are
Obtaining one or more operational metrics related to the operation of the first computer executable program on the first host computing device;
In response to determining that the first constraint is no longer likely to be satisfied based at least in part on one or more operational metrics, the first computer executable program, or the second computer execution 47. The system of clause 46, further configuring the system to transfer the executable program to the second host computing device.
Appendix 55. Executable instructions are
Obtaining one or more operational metrics related to the operation of the second computer executable program on the first host computing device;
In response to determining that the second constraint is no longer likely to be satisfied based at least in part on one or more operational metrics, the first computer executable program or the second computer executable 47. The system of clause 46, further configuring the system to transfer the program to a second host computing device.
Appendix 56. Executable instructions are
Obtaining one or more operational metrics relating to one or more operational features of the first host computing device;
In response to determining that the first constraint or the second constraint is no longer likely to be satisfied based at least in part on the one or more operational metrics, the first computer executable program or the first 49. The system of clause 46, further configuring the system to transfer the two computer executable programs to the second host computing device.
実施形態に依存して、本明細書に記載されるプロセスまたはアルゴリズムのうちのいずれかの所定の動作、イベント、または機能は異なる順序で実施することができ、追加、統合、またはまとめて省略することができる（例えば、記載の演算またはイベントすべてがアルゴリズムの実践に必要ではない）。その上、所定の実施形態において、演算またはイベントは、例えば、マルチスレッド処理、中断処理、あるいはマルチプロセッサまたはプロセッサコアあるいは順次にではなく他の並列アーキテクチャを通じて同時に実施することができる。 Depending on the embodiment, certain operations, events, or functions of any of the processes or algorithms described herein can be performed in a different order and are added, integrated, or omitted collectively. (E.g. not all described operations or events are necessary for the practice of the algorithm). Moreover, in certain embodiments, operations or events can be performed simultaneously through, for example, multi-threaded processing, interrupt processing, or multi-processors or processor cores or other parallel architectures rather than sequentially.
本明細書に開示される実施形態に関して記載される多様な例示の論理ブロック、モジュール、ルーチン、アルゴリズムのステップは、電子ハードウェア、コンピュータソフトウェア、またはこれらの組み合わせとして実装することができる。ハードウェアとソフトウェアの相互互換性を明確に示すため、多様な例示的構成要素、ブロック、モジュール、およびステップは、上記において一般にそれらの機能性の観点から説明される。このような機能性がハードウェアまたはソフトウェアとして実装されるかどうかは、システム全体に課される特定の用途および設計制約に依存する。記載の機能性は、それぞれ特定の用途のために可変方式で実装できるが、このような実装判断は、本開示の範囲からの逸脱を生じさせると解釈されてはならない。 The various exemplary logic blocks, modules, routines, algorithm steps described with respect to the embodiments disclosed herein may be implemented as electronic hardware, computer software, or a combination thereof. To clearly illustrate the interchangeability of hardware and software, various illustrative components, blocks, modules, and steps are generally described above in terms of their functionality. Whether such functionality is implemented as hardware or software depends upon the particular application and design constraints imposed on the overall system. Although the described functionality can be implemented in a variable manner for each particular application, such implementation decisions should not be construed as causing a departure from the scope of the present disclosure.
本明細書に開示される実施形態に関連して説明される方法、プロセス、ルーチン、またはアルゴリズムのステップは、ハードウェア内、プロセッサによって実行されるソフトウェアモジュール内、またはこれらの２つの組み合わせにおいて直接具現化することができる。ソフトウェアモジュールは、ＲＡＭメモリ、フラッシュメモリ、ＲＯＭメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、レジスタ、ハードディスク、着脱式ディスク、ＣＤ−ＲＯＭ、または任意の他の形式の非一時的コンピュータ可読記憶媒体に所在することができる。例示的記憶媒体は、プロセッサが記憶媒体から情報を読み出し、記憶媒体へ情報を書き込むことができるように、プロセッサに結合することができる。代替として、記憶媒体は、プロセッサに一体化することができる。プロセッサおよび記憶媒体は、ＡＳＩＣ内に所在することができる。ＡＳＩＣは、ユーザー端末に所在することができる。代替として、プロセッサおよび記憶媒体は、ユーザー端末の個別構成要素に所在することができる。 The method, process, routine, or algorithm steps described in connection with the embodiments disclosed herein may be implemented directly in hardware, in a software module executed by a processor, or in a combination of the two. Can be A software module may reside in RAM memory, flash memory, ROM memory, EPROM memory, EEPROM memory, registers, hard disk, removable disk, CD-ROM, or any other form of non-transitory computer-readable storage medium. it can. An exemplary storage medium can be coupled to the processor such that the processor can read information from, and write information to, the storage medium. In the alternative, the storage medium may be integral to the processor. The processor and the storage medium can be located in an ASIC. The ASIC can be located at the user terminal. In the alternative, the processor and the storage medium may reside in discrete components in the user terminal.
特に「〜することができる」、「〜することが可能である」、「〜するかもしれない」、「〜してもよい」、「例えば」等のように本明細書に使用される条件付き語は、その他特に記載のない限り、またはその他使用される文脈で理解されない限り、所定の実施形態が、他の実施形態は含まないが、所定の特性、要素、および／またはステップを含むことを伝達することを一般に意図する。このため、このような条件付き語は、特性、要素、および／またはステップが１つ以上の実施形態に何としても必要であること、または１つ以上の実施形態が必ず、これらの特性、要素および／またはステップが任意の特定の実施形態に含まれる、または実施されるかを、作成者の入力または問い合わせを用いてまたは用いずに、判定するためのロジックを含むということを暗示することを一般に意図しない。「備える」、「含む」、「有する」等の用語は、同義語であり、制約がない様式において包括的に使用され、追加の要素、特性、動作、操作等を排除しない。さらに、「または」という用語は、その包括的意味において（その排除的意味ではなく）使用されるので、例えば、要素のリストを接続するために使用され、「または」という用語は、リストの中の要素のうちの１つ、いくつか、または全てを意味する。 In particular, the conditions used herein, such as “can be”, “can be”, “may be”, “may”, “for example”, etc. Unless otherwise stated, or otherwise understood in the context in which it is used, certain embodiments include certain features, elements, and / or steps, but not other embodiments. Is generally intended to communicate. As such, such conditional terms require that any property, element, and / or step is required for one or more embodiments, or that one or more embodiments necessarily require these properties, elements, or elements. And / or imply that the step includes logic to determine whether or not the step is included or performed in any particular embodiment, with or without the author's input or query. Generally not intended. The terms “comprising”, “including”, “having” and the like are synonymous and are used generically in an unconstrained manner and do not exclude additional elements, properties, actions, operations, etc. Furthermore, the term “or” is used in its generic sense (not its exclusive meaning), for example, to connect lists of elements, and the term “or” Means one, some or all of the elements.
語句「Ｘ、Ｙ、およびＺのうちの少なくとも１つ」のような接続語は、その他特に記載のない限り、項目、条件等がＸ、Ｙ、またはＺ、あるいはこれらの組み合わせのいずれかであってもよいことを伝達するために一般に使用される文脈で理解されるものとする。このため、このような接続語は、所定の実施形態が、Ｘのうちの少なくとも１つ、Ｙのうちの少なくとも１つ、およびＺのうちの少なくとも１つがそれぞれ存在することを要求することを暗示することを概して意図しない。 Unless otherwise specified, concatenated words such as the phrase “at least one of X, Y, and Z” have items, conditions, etc. that are either X, Y, Z, or a combination thereof. It shall be understood in the context that is commonly used to convey that it may be. Thus, such conjunctions imply that certain embodiments require that at least one of X, at least one of Y, and at least one of Z each exist. Not generally intended to do.
上記の詳細説明で、多様な実施形態に適用される革新的特性を示し、記載し、指摘したが、図示されたデバイスまたはアルゴリズムの形式および詳細における多様な省略、置換、および変更は本開示の精神を逸脱することなく行うことができることを理解することができる。理解できるように、本明細書に記載される本発明の所定の実施形態は、いくつかの特性は他から分離して使用または実践できるため、本明細書に記載の特性および利点の全てを提供しない形式内で具現化できる。本明細書に開示される所定の発明の範囲は、前述の説明ではなく、添付の請求項によって示される。請求項の均等の意義および範囲内に入る全ての変更はそれらの範囲内に抱合される。 While the foregoing detailed description has shown, described, and pointed out innovative features applicable to various embodiments, various omissions, substitutions, and changes in the form and details of the illustrated device or algorithm are contemplated by this disclosure. Can understand what can be done without departing from the spirit. As can be appreciated, certain embodiments of the invention described herein provide all of the characteristics and advantages described herein, as some characteristics can be used or practiced separately from others. Can be embodied in a form that does not. The scope of certain inventions disclosed herein is indicated by the appended claims rather than the foregoing description. All changes that fall within the equivalent meaning and scope of the claims are embraced within their scope.
Claims (13)
１つ以上のプロセッサと、
実行可能命令を含むコンピュータ可読メモリと、
を具え、
前記実行可能命令は、前記１つ以上のプロセッサによって実行されるとき、
第２の仮想マシンの少なくとも１つのインスタンスを稼動することから判定される運用メトリクスに少なくとも部分的に基づいて、第１の仮想マシンのインスタンスの運用に関係する１つ以上の特徴が運用制約を満たすか否かを判定し、
前記第１の仮想マシンをインスタンス化するためのリクエストを受信し、
前記リクエストに応答して、
複数のホストコンピューティングデバイスのうち、前記１つ以上の特徴に関連付けられる１つのホストコンピューティングデバイスを、前記１つ以上の特徴が前記運用制約を満たすか否かの判定に部分的に基づいて、識別し、
少なくとも部分的に、前記第１の仮想マシンの新しいインスタンスを、前記ホストコンピューティングデバイス上にインスタンス化させる、
ように前記システムを構成する、
システム。 A system for profiling computing resource usage, the system comprising one or more processors;
A computer readable memory containing executable instructions;
With
When the executable instructions are executed by the one or more processors,
One or more features related to the operation of the first virtual machine instance satisfy the operational constraints based at least in part on operational metrics determined from running at least one instance of the second virtual machine. Whether or not
Receiving a request to instantiate the first virtual machine;
In response to the request,
Among a plurality of host computing device, one host computing device associated with the one or more feature, based in part on the determination the one or more features of whether they meet the operational constraints Identify,
At least partially, instantiating a new instance of the first virtual machine on the host computing device;
Configure the system as
system.
請求項１に記載のシステム。 At least one of the operational metrics relates to central processing unit (CPU) usage, memory usage, network usage, hard disk usage, or power usage;
The system of claim 1.
請求項１に記載のシステム。 At least one of the one or more features includes memory capacity, central processing unit (CPU) capacity, network bandwidth, network latency, location in network topology, instruction set, or distribution of performance metrics.
The system of claim 1.
請求項１に記載のシステム。 The operational constraints relate to expected usage of computing resources provided by the host computing device;
The system of claim 1.
請求項４に記載のシステム。 The expected usage is further based at least in part on data received from a customer associated with the first virtual machine;
The system according to claim 4.
前記追加の運用メトリクスに基づいて、前記１つ以上の特徴がもはや前記運用制約を満たさないという判定に応答して、前記新しいインスタンスを、前記運用制約を満たす１つ以上の追加の特徴に関連付けられる第２のコンピューティングデバイスへ転送する、
ように更に構成される、
請求項１に記載のシステム。 A additional operational metrics related to the operation of the new instance on pre Symbol host computing device, associated with the one or more feature, receives additional operational metrics,
Based on the additional operational metrics, wherein in response to a determination that one or more feature no longer satisfy the operational constraints, the new instance, the one or more additional feature that satisfies the operational constraints Transfer to the associated second computing device;
Further configured as
The system of claim 1.
前記方法は、１つ以上のコンピューティングデバイスを備えるデータセンター管理構成要素によって、リソース使用のプロファイルおよび運用メトリクスのプロファイルである運用プロファイルに関連付けられるソフトウェア作業負荷の初期化に対するリクエストを受信するステップを含み、前記運用プロファイルは、前記ソフトウェア作業負荷に関連付けられる複数の履歴運用メトリクスに少なくとも部分的に基づき、
前記方法は、前記リクエストに応答して、
複数のコンピューティングデバイスのうちの１つのコンピューティングデバイスを、前記運用プロファイルおよび前記コンピューティングデバイスに関連付けられる１つ以上の特徴に少なくとも部分的に基づいて識別するステップと、
前記ソフトウェア作業負荷を前記コンピューティングデバイス上で初期化させるステップと、
を含む、
コンピュータによって実装される方法。 A computer-implemented method for profiling computing resource usage, comprising:
The method includes receiving, by a data center management component comprising one or more computing devices, a request for initialization of a software workload associated with an operational profile that is a profile of resource usage and a profile of operational metrics. The operational profile is based at least in part on a plurality of historical operational metrics associated with the software workload,
In response to the request, the method
One of the computing device of the plurality of computing devices, identifying based at least in part on one or more feature associated with the production profile and the computing device,
Initializing the software workload on the computing device;
including,
A computer implemented method.
請求項７に記載のコンピュータによって実装される方法。 The operational profile includes a first expected resource usage associated with a first computing resource, and the first expected resource usage is a plurality of historical operational metrics related to the use of the first computing resource. Based at least in part, one of the one or more features includes an availability of the first computing resource;
The computer-implemented method of claim 7.
請求項８に記載のコンピュータによって実装される方法。 Each of the plurality of history operation metrics related to the use of the first computing resource is associated with a time when a usage measurement value is recorded, and the operation profile is recorded with each of the plurality of history operation metrics. Further based at least in part on the time,
9. A computer-implemented method according to claim 8.
前記コンピューティングデバイス上の前記ソフトウェア作業負荷の運用に関する実質的に最新の運用メトリクスであって、前記１つ以上の特徴に関係する、実質的に最新の運用メトリクスを受信するステップと、
前記実質的に最新の運用メトリクスに基づいて、前記コンピューティングデバイスに関連付けられる前記１つ以上の特徴のうちのいずれもが所望される特徴に対応しないと判定することに応答して、前記ソフトウェア作業負荷を、前記所望される特徴に対応する特徴に関連付けられる第２のコンピューティングデバイスへ転送するステップと、
を更に含む、
請求項７に記載のコンピュータによって実装される方法。 Determining the operational profile based at least in part on a service level agreement with a customer associated with the software workload ;
A substantially latest operational metrics related to the operation of the software workload on previous SL computing device, associated with the one or more feature, receiving a substantially newest operational metrics,
Based on the latest operational metrics to said substantially, in response to determining that do not correspond to the feature that none of Ru is Nozomu Tokoro of the one or more feature associated with the computing device, and transferring the software workload, the the desired and Ru second computing device associated with a feature that corresponds to the feature,
Further including
The computer-implemented method of claim 7 .
請求項７に記載のコンピュータによって実装される方法。 The operational profile includes a first default operational profile of a plurality of default operational profiles;
The computer-implemented method of claim 7.
請求項１１に記載のコンピュータによって実装される方法。 The default operational profile is associated with a level in the operational hierarchy, and the first default operational profile is associated with a higher level of the operational hierarchy with respect to the software workload;
The computer-implemented method of claim 11 .
請求項７に記載のコンピュータによって実装される方法。 The operational profile includes a customer- specified operational profile, and the plurality of historical operational metrics are associated with initialization or use of the software workload by the customer;
The computer-implemented method of claim 7.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/623,847 US9135048B2 (en) | 2012-09-20 | 2012-09-20 | Automated profiling of resource usage |
| US13/623,847 | 2012-09-20 | ||
| US13/623,845 | 2012-09-20 | ||
| US13/623,845 US9323577B2 (en) | 2012-09-20 | 2012-09-20 | Automated profiling of resource usage |
| PCT/US2013/060200 WO2014047073A1 (en) | 2012-09-20 | 2013-09-17 | Automated profiling of resource usage |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015532992A JP2015532992A (en) | 2015-11-16 |
| JP6049887B2 true JP6049887B2 (en) | 2016-12-21 |
Family
ID=49261806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015533132A Active JP6049887B2 (en) | 2012-09-20 | 2013-09-17 | Automatic profiling of resource usage |
Country Status (10)
| Country | Link |
|---|---|
| EP (1) | EP2898410B1 (en) |
| JP (1) | JP6049887B2 (en) |
| CN (1) | CN104854563B (en) |
| AU (1) | AU2013318249B2 (en) |
| BR (1) | BR112015005588B1 (en) |
| CA (1) | CA2884796C (en) |
| IN (1) | IN2015DN02823A (en) |
| RU (1) | RU2605473C2 (en) |
| SG (2) | SG10201705920SA (en) |
| WO (1) | WO2014047073A1 (en) |
Families Citing this family (133)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8028090B2 (en) | 2008-11-17 | 2011-09-27 | Amazon Technologies, Inc. | Request routing utilizing client location information |
| US7991910B2 (en) | 2008-11-17 | 2011-08-02 | Amazon Technologies, Inc. | Updating routing information based on client location |
| US7962597B2 (en) | 2008-03-31 | 2011-06-14 | Amazon Technologies, Inc. | Request routing based on class |
| US8447831B1 (en) | 2008-03-31 | 2013-05-21 | Amazon Technologies, Inc. | Incentive driven content delivery |
| US8601090B1 (en) | 2008-03-31 | 2013-12-03 | Amazon Technologies, Inc. | Network resource identification |
| US8606996B2 (en) | 2008-03-31 | 2013-12-10 | Amazon Technologies, Inc. | Cache optimization |
| US7970820B1 (en) | 2008-03-31 | 2011-06-28 | Amazon Technologies, Inc. | Locality based content distribution |
| US8321568B2 (en) | 2008-03-31 | 2012-11-27 | Amazon Technologies, Inc. | Content management |
| US9407681B1 (en) | 2010-09-28 | 2016-08-02 | Amazon Technologies, Inc. | Latency measurement in resource requests |
| US8073940B1 (en) | 2008-11-17 | 2011-12-06 | Amazon Technologies, Inc. | Managing content delivery network service providers |
| US8122098B1 (en) | 2008-11-17 | 2012-02-21 | Amazon Technologies, Inc. | Managing content delivery network service providers by a content broker |
| US8412823B1 (en) | 2009-03-27 | 2013-04-02 | Amazon Technologies, Inc. | Managing tracking information entries in resource cache components |
| US8756341B1 (en) | 2009-03-27 | 2014-06-17 | Amazon Technologies, Inc. | Request routing utilizing popularity information |
| US8688837B1 (en) | 2009-03-27 | 2014-04-01 | Amazon Technologies, Inc. | Dynamically translating resource identifiers for request routing using popularity information |
| US8782236B1 (en) | 2009-06-16 | 2014-07-15 | Amazon Technologies, Inc. | Managing resources using resource expiration data |
| US8397073B1 (en) | 2009-09-04 | 2013-03-12 | Amazon Technologies, Inc. | Managing secure content in a content delivery network |
| US8433771B1 (en) | 2009-10-02 | 2013-04-30 | Amazon Technologies, Inc. | Distribution network with forward resource propagation |
| US9495338B1 (en) | 2010-01-28 | 2016-11-15 | Amazon Technologies, Inc. | Content distribution network |
| US10958501B1 (en) | 2010-09-28 | 2021-03-23 | Amazon Technologies, Inc. | Request routing information based on client IP groupings |
| US10097398B1 (en) | 2010-09-28 | 2018-10-09 | Amazon Technologies, Inc. | Point of presence management in request routing |
| US8468247B1 (en) | 2010-09-28 | 2013-06-18 | Amazon Technologies, Inc. | Point of presence management in request routing |
| US9003035B1 (en) | 2010-09-28 | 2015-04-07 | Amazon Technologies, Inc. | Point of presence management in request routing |
| US9712484B1 (en) | 2010-09-28 | 2017-07-18 | Amazon Technologies, Inc. | Managing request routing information utilizing client identifiers |
| US8452874B2 (en) | 2010-11-22 | 2013-05-28 | Amazon Technologies, Inc. | Request routing processing |
| US10467042B1 (en) | 2011-04-27 | 2019-11-05 | Amazon Technologies, Inc. | Optimized deployment based upon customer locality |
| US10623408B1 (en) | 2012-04-02 | 2020-04-14 | Amazon Technologies, Inc. | Context sensitive object management |
| US9154551B1 (en) | 2012-06-11 | 2015-10-06 | Amazon Technologies, Inc. | Processing DNS queries to identify pre-processing information |
| US9323577B2 (en) | 2012-09-20 | 2016-04-26 | Amazon Technologies, Inc. | Automated profiling of resource usage |
| US10205698B1 (en) | 2012-12-19 | 2019-02-12 | Amazon Technologies, Inc. | Source-dependent address resolution |
| US9294391B1 (en) | 2013-06-04 | 2016-03-22 | Amazon Technologies, Inc. | Managing network computing components utilizing request routing |
| US9722945B2 (en) | 2014-03-31 | 2017-08-01 | Microsoft Technology Licensing, Llc | Dynamically identifying target capacity when scaling cloud resources |
| US9842039B2 (en) | 2014-03-31 | 2017-12-12 | Microsoft Technology Licensing, Llc | Predictive load scaling for services |
| GB201409056D0 (en) * | 2014-05-21 | 2014-07-02 | Univ Leeds | Datacentre |
| US10445134B2 (en) | 2014-06-03 | 2019-10-15 | Amazon Technologies, Inc. | Identifying candidate workloads for migration |
| CN107077385B (en) * | 2014-09-10 | 2019-10-25 | 亚马逊技术公司 | For reducing system, method and the storage medium of calculated examples starting time |
| US10402746B2 (en) | 2014-09-10 | 2019-09-03 | Amazon Technologies, Inc. | Computing instance launch time |
| US10693946B2 (en) | 2014-09-16 | 2020-06-23 | Amazon Technologies, Inc. | Instance backed mobile devices |
| US9256467B1 (en) | 2014-11-11 | 2016-02-09 | Amazon Technologies, Inc. | System for managing and scheduling containers |
| US10033627B1 (en) | 2014-12-18 | 2018-07-24 | Amazon Technologies, Inc. | Routing mode and point-of-presence selection service |
| US10097448B1 (en) | 2014-12-18 | 2018-10-09 | Amazon Technologies, Inc. | Routing mode and point-of-presence selection service |
| US10091096B1 (en) | 2014-12-18 | 2018-10-02 | Amazon Technologies, Inc. | Routing mode and point-of-presence selection service |
| US9971621B1 (en) * | 2015-02-02 | 2018-05-15 | Amazon Technologies, Inc. | Hotpooling virtual machines |
| US10225326B1 (en) | 2015-03-23 | 2019-03-05 | Amazon Technologies, Inc. | Point of presence based data uploading |
| US9916233B1 (en) | 2015-03-27 | 2018-03-13 | Amazon Technologies, Inc. | Using containers for update deployment |
| US9819567B1 (en) | 2015-03-30 | 2017-11-14 | Amazon Technologies, Inc. | Traffic surge management for points of presence |
| US9832141B1 (en) | 2015-05-13 | 2017-11-28 | Amazon Technologies, Inc. | Routing based request correlation |
| US10298259B1 (en) | 2015-06-16 | 2019-05-21 | Amazon Technologies, Inc. | Multi-layered data redundancy coding techniques |
| US10977128B1 (en) | 2015-06-16 | 2021-04-13 | Amazon Technologies, Inc. | Adaptive data loss mitigation for redundancy coding systems |
| US9998150B1 (en) | 2015-06-16 | 2018-06-12 | Amazon Technologies, Inc. | Layered data redundancy coding techniques for layer-local data recovery |
| US10270476B1 (en) | 2015-06-16 | 2019-04-23 | Amazon Technologies, Inc. | Failure mode-sensitive layered redundancy coding techniques |
| US10270475B1 (en) | 2015-06-16 | 2019-04-23 | Amazon Technologies, Inc. | Layered redundancy coding for encoded parity data |
| US11061969B1 (en) | 2015-06-29 | 2021-07-13 | Amazon Technologies, Inc. | Instance backed mobile devices with multiple instances |
| US10609122B1 (en) | 2015-06-29 | 2020-03-31 | Amazon Technologies, Inc. | Instance backed building or place |
| US10108819B1 (en) | 2015-07-01 | 2018-10-23 | Amazon Technologies, Inc. | Cross-datacenter extension of grid encoded data storage systems |
| US10394762B1 (en) | 2015-07-01 | 2019-08-27 | Amazon Technologies, Inc. | Determining data redundancy in grid encoded data storage systems |
| US9959167B1 (en) | 2015-07-01 | 2018-05-01 | Amazon Technologies, Inc. | Rebundling grid encoded data storage systems |
| US9998539B1 (en) | 2015-07-01 | 2018-06-12 | Amazon Technologies, Inc. | Non-parity in grid encoded data storage systems |
| US10162704B1 (en) | 2015-07-01 | 2018-12-25 | Amazon Technologies, Inc. | Grid encoded data storage systems for efficient data repair |
| US10089176B1 (en) | 2015-07-01 | 2018-10-02 | Amazon Technologies, Inc. | Incremental updates of grid encoded data storage systems |
| US10198311B1 (en) | 2015-07-01 | 2019-02-05 | Amazon Technologies, Inc. | Cross-datacenter validation of grid encoded data storage systems |
| US10097566B1 (en) | 2015-07-31 | 2018-10-09 | Amazon Technologies, Inc. | Identifying targets of network attacks |
| US10911404B1 (en) | 2015-08-24 | 2021-02-02 | Amazon Technologies, Inc. | Attribute based authorization |
| US9690622B1 (en) | 2015-08-24 | 2017-06-27 | Amazon Technologies, Inc. | Stateless instance backed mobile devices |
| US9928141B1 (en) | 2015-09-21 | 2018-03-27 | Amazon Technologies, Inc. | Exploiting variable media size in grid encoded data storage systems |
| US11386060B1 (en) | 2015-09-23 | 2022-07-12 | Amazon Technologies, Inc. | Techniques for verifiably processing data in distributed computing systems |
| US9774619B1 (en) | 2015-09-24 | 2017-09-26 | Amazon Technologies, Inc. | Mitigating network attacks |
| US9940474B1 (en) | 2015-09-29 | 2018-04-10 | Amazon Technologies, Inc. | Techniques and systems for data segregation in data storage systems |
| US10270878B1 (en) | 2015-11-10 | 2019-04-23 | Amazon Technologies, Inc. | Routing for origin-facing points of presence |
| US10782990B1 (en) | 2015-11-24 | 2020-09-22 | Amazon Technologies, Inc. | Container telemetry |
| US10394789B1 (en) | 2015-12-07 | 2019-08-27 | Amazon Technologies, Inc. | Techniques and systems for scalable request handling in data processing systems |
| US10049051B1 (en) | 2015-12-11 | 2018-08-14 | Amazon Technologies, Inc. | Reserved cache space in content delivery networks |
| US10257307B1 (en) | 2015-12-11 | 2019-04-09 | Amazon Technologies, Inc. | Reserved cache space in content delivery networks |
| US10642813B1 (en) | 2015-12-14 | 2020-05-05 | Amazon Technologies, Inc. | Techniques and systems for storage and processing of operational data |
| US10248793B1 (en) | 2015-12-16 | 2019-04-02 | Amazon Technologies, Inc. | Techniques and systems for durable encryption and deletion in data storage systems |
| US10235402B1 (en) | 2015-12-17 | 2019-03-19 | Amazon Technologies, Inc. | Techniques for combining grid-encoded data storage systems |
| US10102065B1 (en) | 2015-12-17 | 2018-10-16 | Amazon Technologies, Inc. | Localized failure mode decorrelation in redundancy encoded data storage systems |
| US10127105B1 (en) | 2015-12-17 | 2018-11-13 | Amazon Technologies, Inc. | Techniques for extending grids in data storage systems |
| US10324790B1 (en) | 2015-12-17 | 2019-06-18 | Amazon Technologies, Inc. | Flexible data storage device mapping for data storage systems |
| US10180912B1 (en) | 2015-12-17 | 2019-01-15 | Amazon Technologies, Inc. | Techniques and systems for data segregation in redundancy coded data storage systems |
| US10348639B2 (en) | 2015-12-18 | 2019-07-09 | Amazon Technologies, Inc. | Use of virtual endpoints to improve data transmission rates |
| US10261782B2 (en) | 2015-12-18 | 2019-04-16 | Amazon Technologies, Inc. | Software container registry service |
| US10002247B2 (en) | 2015-12-18 | 2018-06-19 | Amazon Technologies, Inc. | Software container registry container image deployment |
| US10032032B2 (en) | 2015-12-18 | 2018-07-24 | Amazon Technologies, Inc. | Software container registry inspection |
| US10007586B2 (en) * | 2016-01-08 | 2018-06-26 | Microsoft Technology Licensing, Llc | Deferred server recovery in computing systems |
| US10592336B1 (en) | 2016-03-24 | 2020-03-17 | Amazon Technologies, Inc. | Layered indexing for asynchronous retrieval of redundancy coded data |
| US10678664B1 (en) | 2016-03-28 | 2020-06-09 | Amazon Technologies, Inc. | Hybridized storage operation for redundancy coded data storage systems |
| US10366062B1 (en) | 2016-03-28 | 2019-07-30 | Amazon Technologies, Inc. | Cycled clustering for redundancy coded data storage systems |
| US10061668B1 (en) | 2016-03-28 | 2018-08-28 | Amazon Technologies, Inc. | Local storage clustering for redundancy coded data storage system |
| US9977697B2 (en) * | 2016-04-15 | 2018-05-22 | Google Llc | Task management system for a modular electronic device |
| US9990235B2 (en) * | 2016-04-15 | 2018-06-05 | Google Llc | Determining tasks to be performed by a modular entity |
| US10135837B2 (en) | 2016-05-17 | 2018-11-20 | Amazon Technologies, Inc. | Versatile autoscaling for containers |
| US10075551B1 (en) | 2016-06-06 | 2018-09-11 | Amazon Technologies, Inc. | Request management for hierarchical cache |
| US10110694B1 (en) | 2016-06-29 | 2018-10-23 | Amazon Technologies, Inc. | Adaptive transfer rate for retrieving content from a server |
| US9992086B1 (en) | 2016-08-23 | 2018-06-05 | Amazon Technologies, Inc. | External health checking of virtual private cloud network environments |
| US10033691B1 (en) | 2016-08-24 | 2018-07-24 | Amazon Technologies, Inc. | Adaptive resolution of domain name requests in virtual private cloud network environments |
| US11137980B1 (en) | 2016-09-27 | 2021-10-05 | Amazon Technologies, Inc. | Monotonic time-based data storage |
| US10437790B1 (en) | 2016-09-28 | 2019-10-08 | Amazon Technologies, Inc. | Contextual optimization for data storage systems |
| US10810157B1 (en) | 2016-09-28 | 2020-10-20 | Amazon Technologies, Inc. | Command aggregation for data storage operations |
| US11281624B1 (en) | 2016-09-28 | 2022-03-22 | Amazon Technologies, Inc. | Client-based batching of data payload |
| US11204895B1 (en) | 2016-09-28 | 2021-12-21 | Amazon Technologies, Inc. | Data payload clustering for data storage systems |
| US10657097B1 (en) | 2016-09-28 | 2020-05-19 | Amazon Technologies, Inc. | Data payload aggregation for data storage systems |
| US10496327B1 (en) | 2016-09-28 | 2019-12-03 | Amazon Technologies, Inc. | Command parallelization for data storage systems |
| US10614239B2 (en) | 2016-09-30 | 2020-04-07 | Amazon Technologies, Inc. | Immutable cryptographically secured ledger-backed databases |
| US10469513B2 (en) | 2016-10-05 | 2019-11-05 | Amazon Technologies, Inc. | Encrypted network addresses |
| US10412022B1 (en) | 2016-10-19 | 2019-09-10 | Amazon Technologies, Inc. | On-premises scaling using a versatile scaling service and an application programming interface management service |
| US10296764B1 (en) | 2016-11-18 | 2019-05-21 | Amazon Technologies, Inc. | Verifiable cryptographically secured ledgers for human resource systems |
| US10409642B1 (en) | 2016-11-22 | 2019-09-10 | Amazon Technologies, Inc. | Customer resource monitoring for versatile scaling service scaling policy recommendations |
| US11269888B1 (en) | 2016-11-28 | 2022-03-08 | Amazon Technologies, Inc. | Archival data storage for structured data |
| US10831549B1 (en) | 2016-12-27 | 2020-11-10 | Amazon Technologies, Inc. | Multi-region request-driven code execution system |
| US10372499B1 (en) | 2016-12-27 | 2019-08-06 | Amazon Technologies, Inc. | Efficient region selection system for executing request-driven code |
| US10938884B1 (en) | 2017-01-30 | 2021-03-02 | Amazon Technologies, Inc. | Origin server cloaking using virtual private cloud network environments |
| US10296367B2 (en) * | 2017-02-03 | 2019-05-21 | Microsoft Technology Licensing, Llc | Resource management for virtual machines in cloud computing systems |
| US10423455B2 (en) * | 2017-02-03 | 2019-09-24 | Microsoft Technology Licensing, Llc | Method for deploying virtual machines in cloud computing systems based on predicted lifetime |
| US10942760B2 (en) | 2017-02-03 | 2021-03-09 | Microsoft Technology Licensing, Llc | Predictive rightsizing for virtual machines in cloud computing systems |
| US10503613B1 (en) | 2017-04-21 | 2019-12-10 | Amazon Technologies, Inc. | Efficient serving of resources during server unavailability |
| US11140455B1 (en) | 2017-06-09 | 2021-10-05 | Amazon Technologies, Inc. | Video encoder network sandboxing |
| US11075987B1 (en) | 2017-06-12 | 2021-07-27 | Amazon Technologies, Inc. | Load estimating content delivery network |
| US10447648B2 (en) | 2017-06-19 | 2019-10-15 | Amazon Technologies, Inc. | Assignment of a POP to a DNS resolver based on volume of communications over a link between client devices and the POP |
| WO2019030889A1 (en) * | 2017-08-10 | 2019-02-14 | 株式会社日立製作所 | Computer implementation control system and method |
| US10742593B1 (en) | 2017-09-25 | 2020-08-11 | Amazon Technologies, Inc. | Hybrid content request routing system |
| JP6681377B2 (en) | 2017-10-30 | 2020-04-15 | 株式会社日立製作所 | System and method for optimizing resource allocation |
| US10592578B1 (en) | 2018-03-07 | 2020-03-17 | Amazon Technologies, Inc. | Predictive content push-enabled content delivery network |
| EP3777036A1 (en) | 2018-03-25 | 2021-02-17 | British Telecommunications public limited company | Dynamic network adaptation |
| EP3609131A1 (en) * | 2018-08-07 | 2020-02-12 | Siemens Aktiengesellschaft | Operational constraints for operational functions of field devices |
| US10862852B1 (en) | 2018-11-16 | 2020-12-08 | Amazon Technologies, Inc. | Resolution of domain name requests in heterogeneous network environments |
| US11025747B1 (en) | 2018-12-12 | 2021-06-01 | Amazon Technologies, Inc. | Content request pattern-based routing system |
| US11669365B1 (en) | 2019-08-26 | 2023-06-06 | Amazon Technologies, Inc. | Task pool for managed compute instances |
| US11422842B2 (en) * | 2019-10-14 | 2022-08-23 | Microsoft Technology Licensing, Llc | Virtual machine operation management in computing devices |
| RU2752241C2 (en) * | 2019-12-25 | 2021-07-23 | Общество С Ограниченной Ответственностью «Яндекс» | Method and system for identifying malicious activity of predetermined type in local network |
| US11256493B1 (en) | 2020-11-03 | 2022-02-22 | Bank Of America Corporation | Container image optimizer |
| KR20220064806A (en) * | 2020-11-12 | 2022-05-19 | 삼성전자주식회사 | Method and apparatus for assigning gpu of software package |
| US20220414577A1 (en) * | 2021-06-28 | 2022-12-29 | Dell Products L.P. | System and method for performance-centric workload placement in a hybrid cloud environment |
| US11736348B2 (en) | 2021-06-28 | 2023-08-22 | Dell Products L.P. | System and method for network services based functionality provisioning in a VDI environment |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070271560A1 (en) * | 2006-05-18 | 2007-11-22 | Microsoft Corporation | Deploying virtual machine to host based on workload characterizations |
| WO2007136021A1 (en) * | 2006-05-24 | 2007-11-29 | Nec Corporation | Virtual machine management device, method for managing virtual machine and program |
| US8099487B1 (en) * | 2006-07-06 | 2012-01-17 | Netapp, Inc. | Systems and methods for determining placement of virtual machines |
| US20090265707A1 (en) * | 2008-04-21 | 2009-10-22 | Microsoft Corporation | Optimizing application performance on virtual machines automatically with end-user preferences |
| US8365183B2 (en) * | 2008-09-02 | 2013-01-29 | Ca, Inc. | System and method for dynamic resource provisioning for job placement |
| US8131519B2 (en) * | 2008-09-30 | 2012-03-06 | Hewlett-Packard Development Company, L.P. | Accuracy in a prediction of resource usage of an application in a virtual environment |
| JP2010224756A (en) * | 2009-03-23 | 2010-10-07 | Nec Corp | Virtual machine relocation system, method, program and virtual machine management device |
| US8464267B2 (en) * | 2009-04-10 | 2013-06-11 | Microsoft Corporation | Virtual machine packing method using scarcity |
| US8261266B2 (en) * | 2009-04-30 | 2012-09-04 | Microsoft Corporation | Deploying a virtual machine having a virtual hardware configuration matching an improved hardware profile with respect to execution of an application |
| US9424094B2 (en) * | 2009-06-01 | 2016-08-23 | International Business Machines Corporation | Server consolidation using virtual machine resource tradeoffs |
| US8694638B2 (en) * | 2009-06-29 | 2014-04-08 | Red Hat Israel | Selecting a host from a host cluster to run a virtual machine |
| JP5490580B2 (en) * | 2010-03-16 | 2014-05-14 | 株式会社日立ソリューションズ | Virtual machine control system |
| CN102232282B (en) * | 2010-10-29 | 2014-03-26 | 华为技术有限公司 | Method and apparatus for realizing load balance of resources in data center |
-
2013
- 2013-09-17 BR BR112015005588-5A patent/BR112015005588B1/en active IP Right Grant
- 2013-09-17 SG SG10201705920SA patent/SG10201705920SA/en unknown
- 2013-09-17 CA CA2884796A patent/CA2884796C/en active Active
- 2013-09-17 EP EP13770602.4A patent/EP2898410B1/en active Active
- 2013-09-17 JP JP2015533132A patent/JP6049887B2/en active Active
- 2013-09-17 RU RU2015114568/08A patent/RU2605473C2/en active
- 2013-09-17 IN IN2823DEN2015 patent/IN2015DN02823A/en unknown
- 2013-09-17 CN CN201380049263.5A patent/CN104854563B/en active Active
- 2013-09-17 SG SG11201501987UA patent/SG11201501987UA/en unknown
- 2013-09-17 AU AU2013318249A patent/AU2013318249B2/en active Active
- 2013-09-17 WO PCT/US2013/060200 patent/WO2014047073A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| RU2015114568A (en) | 2016-11-10 |
| CN104854563B (en) | 2018-09-18 |
| JP2015532992A (en) | 2015-11-16 |
| WO2014047073A1 (en) | 2014-03-27 |
| IN2015DN02823A (en) | 2015-09-11 |
| EP2898410A1 (en) | 2015-07-29 |
| CN104854563A (en) | 2015-08-19 |
| EP2898410B1 (en) | 2022-04-27 |
| RU2605473C2 (en) | 2016-12-20 |
| SG11201501987UA (en) | 2015-04-29 |
| BR112015005588B1 (en) | 2022-01-18 |
| CA2884796A1 (en) | 2014-03-27 |
| AU2013318249A1 (en) | 2015-04-02 |
| BR112015005588A2 (en) | 2017-10-10 |
| CA2884796C (en) | 2018-12-11 |
| SG10201705920SA (en) | 2017-08-30 |
| AU2013318249B2 (en) | 2016-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6049887B2 (en) | Automatic profiling of resource usage | |
| US10542079B2 (en) | Automated profiling of resource usage | |
| US9135048B2 (en) | Automated profiling of resource usage | |
| US8423646B2 (en) | Network-aware virtual machine migration in datacenters | |
| CN110869909B (en) | System and method for applying machine learning algorithms to calculate health scores for workload scheduling | |
| US10623481B2 (en) | Balancing resources in distributed computing environments | |
| Palanisamy et al. | Purlieus: locality-aware resource allocation for MapReduce in a cloud | |
| KR101815148B1 (en) | Techniques to allocate configurable computing resources | |
| US20170031706A1 (en) | Optimizing virtual machines placement in cloud computing environments | |
| US10191771B2 (en) | System and method for resource management | |
| WO2017010922A1 (en) | Allocation of cloud computing resources | |
| Lu et al. | Qos-aware vm placement in multi-domain service level agreements scenarios | |
| Li et al. | Amoeba: Qos-awareness and reduced resource usage of microservices with serverless computing | |
| US9184982B2 (en) | Balancing the allocation of virtual machines in cloud systems | |
| Lu et al. | InSTechAH: Cost-effectively autoscaling smart computing hadoop cluster in private cloud | |
| Bose et al. | Sla management in cloud computing: A service provider's perspective | |
| Heidari et al. | Qos assurance through low level analysis of resource utilization of the cloud applications | |
| Anithakumari et al. | Interoperability based resource management in cloud computing by adaptive dimensional search | |
| US11693766B2 (en) | Resource allocation in microservice architectures | |
| Liu et al. | A novel QoS negotiation model based on intelligent learning technique in clouds | |
| US20230318988A1 (en) | Proactive auto-scaling | |
| US20230418688A1 (en) | Energy efficient computing workload placement | |
| Shukla et al. | Iqr based approach for energy efficient dynamic vm consolidation for green cloud data centers | |
| Corradi et al. | Management infrastructures for power-efficient cloud computing architectures |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160323 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160425 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160725 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161024 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161122 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6049887 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |